基于深度网络的图像语义分割综述

• 作者: 张云 罗会兰
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 图像语义分割 深度卷积神经网络 候选区域 全卷积网络 弱监督学习 PASCAL VOC 2012数据集
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 综述评论
• 页码范围: 2211-2220
• 页数: 10页
• 分类号: TP391
• 字数: 9268字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.10.024

摘要

图像语义分割不仅预测一幅图像中的不同类别,同时还定位不同语义类别的位置,具有重要的研究意义和应用价值.本文阐述了图像语义分割最新的研究成果和方法,从三个角度综述了基于深度卷积神经网络的图像语义分割模型,分别是基于候选区域模型、基于全卷积网络模型和基于弱监督学习的语义分割模型,对这三类模型的方法和结构进行了详细的研究和分析.并在PASCAL VOC 2012数据集上对一些代表性的语义分割算法的性能进行了比较分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗会兰	江西理工大学信息工程学院	51	445	13.0	18.0
2	张云	江西理工大学信息工程学院	7	6	2.0	2.0