【综述】【图像分割】汇总了170多篇文章，涵盖了语义级和实例级分割的各种方法

论文地址：https://arxiv.org/pdf/2001.05566v2.pdf 代码： 来源： Expedia公司,纽约大学 论文名称：Image Segmentation Using Deep Learning: A Survey 原文作者：Shervin Minaee

图像分割是图像处理和计算机视觉中的重要话题，其应用主要为场景理解、医学图像分析、机器人感知、视频监控、增强现实和图像压缩等。目前已经存在了很多用于图像分割的算法。由于最近深度学习模型广泛应用于视觉任务中，并取得成功，因此有大量工作旨在用深度学习模型开发图像分割方法。在本文中，对相关文献进行了全面回顾，涵盖了语义级和实例级分割的各种方法，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、递归网络和视觉注意模型以及对抗生成网络。与此同时，研究了这些深度学习模型的相似性、优势和挑战，以及使用最广泛的数据集和方法性能，并讨论了该领域有希望的未来研究方向。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。