【2021-IEEE】Image Segmentation Using Deep Learning: A Survey

概述

作者在本次调查中，涵盖了语义和实例级分割的广泛开创性工作，包括全卷积像素标记网络，编码器-解码器体系结构，多尺度以及基于金字塔的方法，递归网络，视觉注意模型和对抗环境中的生成模型。研究了这些深度学习模型的相似性，优势和挑战，研究了使用最广泛的数据集，报告了性能，并讨论了该领域有希望的未来研究方向。

• Paper

贡献：

• 这项调查涵盖了有关分割问题的当代文献，并概述了截至2019年提出的100多种分割算法，分为10类。
• 使用深度学习对分割算法的不同方面进行全面的回顾和深入的分析，包括训练数据，网络架构的选择，损失函数，训练策略及其主要贡献。
• 概述了约20种流行的图像分割数据集，分为2D，2.5D（RGBD）和3D图像。
• 提供了针对大众化基准进行细分的方法的性能和性能的比较摘要。
• 为基于深度学习的图像分割提供了一些挑战和潜在的未来方向。

结论：总结

---

参考链接

• 一文读懂语义分割与实例分割
• [图像分割综述] Image Segmentation Using Deep Learning: A Survey