基于DCNN的图像语义分割综述

被引：42

作者：

魏云超

赵耀

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

北京交通大学学报 | 2016年 / 04期

关键词：

图像语义分割; 深度学习; 深度卷积神经网络;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展.本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述.总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结.最后对语义分割未来的研究重点进行了探讨和预测.

引用

页码：82 / 91

页数：10

共 4 条

[1] 图像物体分类与检测算法综述
黄凯奇
任伟强
谭铁牛
[J]. 计算机学报, 2014, 37 (06) : 1225 - 1240
[2] Learning to Segment with Image-level Annotations[J] . Yunchao Wei,Xiaodan Liang,Yunpeng Chen,Zequn Jie,Yanhui Xiao,Yao Zhao,Shuicheng Yan.Pattern Recognition . 2016
[3] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)
[4] Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation .2 Girshick R,Donahue J,Darrell T,et al. Computer Vision and Pattern Recognition . 2014

← 1 →