语义分割研究现状

以语义分割热门的数据集Cityscapes的精度作为参考,比较当前语义分割网络效果:

语义分割研究现状_第1张图片

可以通过ICNet中的这张图来说明目前大多数方法的精度以及速度,目前MIOU超过80的有PSPNet、ResNet38、PSPNet、DUC、以及DANet最近开源的CCNet(最后两个基于attention机制)。

最简单的基于FCN的人脸语义分割Code:

https://github.com/HqWei/Semantic-Segmentation-with-Full-Convolutional-Neural-Network

热门文章和Code:

PSPNet :Pyramid Scene Parsing Network

https://github.com/hszhao/PSPNet

DeeplabV3 :Rethinking Atrous Convolution for Semantic Image Segmentation

Paper: https://arxiv.org/abs/1706.05587

Code:https://github.com/NanqingD/DeepLabV3-Tensorflow

ICNet:ICNet for Real-Time Semantic Segmentation on High-Resolution Images

Paper: https://arxiv.org/pdf/1704.08545.pdf

Code: https://github.com/hszhao/ICNet

基于attention机制的:

CCNet: Criss-Cross Attention for Semantic Segmentation

https://github.com/speedinghzl/CCNet

DANet : Dual Attention Network for Scene Segmentation

https://github.com/junfu1115/DANet

你可能感兴趣的:(语义分割,语义分割研究现状,精度对比)