基于深度学习的场景分割算法研究综述

• 作者: 张蕊 李锦涛
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 场景分割 图像分割 深度学习 神经网络 全卷积网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 859-875
• 页数: 17页
• 分类号: TP391
• 字数: 11807字
• 语种: 中文
• DOI: 10.7544∕issn1000-1239.2020.20190513

摘要

场景分割的目标是判断场景图像中每个像素的类别.场景分割是计算机视觉领域重要的基本问题之一,对场景图像的分析和理解具有重要意义,同时在自动驾驶、视频监控、增强现实等诸多领域具有广泛的应用价值.近年来,基于深度学习的场景分割技术取得了突破性进展,与传统场景分割算法相比获得分割精度的大幅度提升.首先分析和描述场景分割问题面临的3个主要难点:分割粒度细、尺度变化多样、空间相关性强;其次着重介绍了目前大部分基于深度学习的场景分割算法采用的"卷积反卷积"结构;在此基础上,对近年来出现的基于深度学习的场景分割算法进行梳理,介绍针对场景分割问题的3个主要难点,分别提出基于高分辨率语义特征图、基于多尺度信息和基于空间上下文等场景分割算法;简要介绍常用的场景分割公开数据集;最后对基于深度学习的场景分割算法的研究前景进行总结和展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李锦涛	中国科学院计算技术研究所	115	2894	31.0	50.0
2	张蕊	中国科学院计算技术研究所	10	118	5.0	10.0