深度学习的图像实例分割方法综述

• 作者: 吕晓琪 张然 张继凯 聂俊岚 赵君
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 深度学习 图像实例分割 像素分割 计算机视觉
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形与图像技术
• 页码范围: 161-171
• 页数: 11页
• 分类号: TP391
• 语种: 中文

摘要

实例分割是一项具有挑战性的任务,需要同时进行实例级和像素级的预测,在自动驾驶、视频分析、场景理解等方面应用广泛.近年来,基于深度学习的实例分割方法迅速发展,如两阶段检测器Faster R-CNN扩展出的聚焦于网络的精度而非速度的强大实例分割基准Mask R-CNN,一度成为实例分割的标杆.利用高速检测的单阶段检测器延伸出的实例分割算法YOLACT填补了实时实例分割模型的空白,具有较高的研究和应用价值.本文首先对实例分割算法进行了类别划分,然后对一些代表性的算法及其改进算法进行了深入分析,并阐述了相关算法的优缺点,最后对实例分割方法未来的发展进行了展望.