前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Image Segmentation(图像分割)综述

Image Segmentation(图像分割)综述

作者头像
JNingWei
发布2018-09-28 16:14:35
2.6K0
发布2018-09-28 16:14:35
举报
文章被收录于专栏:JNing的专栏

Image Segmentation(图像分割)网络结构比较

网络名

作者

父辈

生辰

简述

增加的结构

丢弃的结构

优势

劣势

VGG16

FCN的灵感来源

FCN

J.Long

VGG16

2014

图像分割鼻祖

一个Deconv层(从无到有)

所有fc层

简单

粗糙

DeconvNet

H.Noh

FCN

2015

Unpooling层(从无到有)、多个Deconv层(层数增加)、fc层(从无到有)

SegNet

Vijay Badrinarayanan

DeconvNet

2016

每个max_pooling的max索引

所有fc层

DeepLab

FCN

PSPNet

Mask-RCNN

2017

真正做到像素级

Image Segmentation(图像分割)族谱

FCN

  • DeepLab
  • DeconvNet
    • SegNet
  • PSPNet
  • Mask-RCNN

按分割目的划分

  • 普通分割 将不同分属不同物体的像素区域分开。 如前景与后景分割开,狗的区域与猫的区域、背景分割开。
  • 语义分割 在普通分割的基础上,分类出每一块区域的语义(即这块区域是什么物体)。 如把画面中的所有物体都指出它们各自的类别。
  • 实例分割 在语义分割的基础上,给每个物体编号。 如这个是该画面中的狗A,那个是画面中的狗B。
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年06月30日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Image Segmentation(图像分割)网络结构比较
  • Image Segmentation(图像分割)族谱
    • FCN
    • 按分割目的划分
    相关产品与服务
    图像处理
    图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档