大盘点 | 2019年5篇图像分割算法最佳综述
前言
上次盘点了2019年 目标检测比较亮眼的综述汇总，详见： 大盘点 | 2019年4篇目标检测算法最佳综述。很多 CVers在微信学术交流群反映：有没有图像分割的综述大盘点，有没有目标跟踪的综述大盘点，有没有...
那么本文盘点的就是2019年 图像分割综述（Image Segmentation Review）。
其实图像分割包含的子方向比较多，如语义分割、实例分割、全景分割，甚至还可以把医学图像包含进来（有些就不是2D Image），这里并不做严格要求，看情况符合就好。
本文分享的综述将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：
https://github.com/amusi/daily-paper-computer-vision
图像分割论文
【1】Understanding Deep Learning Techniques for Image Segmentation
时间：2019年7月
作者：贾达珀大学
链接：https://arxiv.org/abs/1907.06119
推荐指数：★★★★★
注：58页的图像分割综述，共计224篇参考文献。本综述介绍了从2013年到2019年，主流的30多种分割算法（含语义/实例分割），50多种数据集。
深度学习主流的模块"操作"示意图
图像分割数据集
基于深度学习的主要分割算法
RCNN家族
U-Net
【2】Embracing Imperfect Datasets: A Review of Deep Learning Solutions for Medical Image Segmentation
时间：2019年8月
作者：体素科技(VoxelCloud)
链接：https://arxiv.org/abs/1908.10454
推荐指数：★★★
注：26页的医学图像分割综述，超过130+篇参考文献。
本综述章节架构
方法总结
【3】Deep Semantic Segmentation of Natural and Medical Images: A Review
时间：2019年10月
作者：西蒙弗雷泽大学&蒙特利尔大学等
链接：https://arxiv.org/abs/1910.07655
推荐指数：★★★★★
注：21页的图像分割综述，共计181篇参考文献，从 FCN(2014) 到 Auto-DeepLab(2019)。
基于深度学习的主要分割方法
DeepLabV3+
在PASCAL VOC 2012数据集上的算法性能对比
【4】Deep learning for cardiac image segmentation: A review
时间：2019年11月
作者：帝国理工学院&伦敦大学&伯明翰大学
链接：https://arxiv.org/abs/1911.03723
推荐指数：★★★★★
注：47页的图像分割综述，超过250+篇的参考文献，本医学图像分割综述从FCN(2014)到Dense U-net(2019)，论文中光画图的工作量就超级大！
心脏图像分割任务
FCN和U-Net
用于心脏MRI分割的深度学习方法
【5】Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications
时间：2019年11月
作者：斯坦福大学
链接：https://arxiv.org/abs/1911.02521
推荐指数：★★★★
注：35页的图像分割综述，共计134篇参考文献，从U-Net到V-Net。
深度学习术语定义
Cascaded CNN for tumor segmentation