基于深度学习的图像语义分割技术研究进展

• 作者: 权冀川 梁新宇 罗晨 肖铠鸿 高伟嘉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 图像分割 语义分割
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 热点与综述
• 页码范围: 18-28
• 页数: 11页
• 分类号: TP183
• 字数: 8689字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1910-0300

摘要

自FCN网络在2014年提出后,SegNet、DeepLab等一系列关于图像语义分割的深度学习架构被相继提出.与传统方法相比,这些架构效果更好、运算速度更快,已经能够运用于自然图像的分割处理.围绕图像语义分割技术,对常用的数据集和典型网络架构进行了梳理分析,对2017年以来的新进展进行了综合研究,利用主流评价指标对主要模型的语义分割效果进行了比较和分析.对语义分割技术面临的挑战以及可能的发展趋势进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	权冀川	陆军工程大学指挥控制工程学院	5	26	2.0	5.0
2	梁新宇	陆军工程大学指挥控制工程学院	1	2	1.0	1.0
3	罗晨	陆军工程大学指挥控制工程学院	1	2	1.0	1.0
4	肖铠鸿	陆军工程大学通信工程学院	1	2	1.0	1.0
5	高伟嘉		1	2	1.0	1.0