文献类型：期刊文章

作　　者：张新明[1] 祝晓斌[1] 蔡强[1] 刘新亮[1] 邵玮[2] 王磊[3]

机构地区：[1]北京工商大学计算机与信息工程学院,北京100048 [2]北京中电高科技电视发展有限公司,北京100036 [3]广播科学研究院信息研究所,北京100866

出　　处：《高技术通讯》

基　　金：国家自然科学基金(61402023);北京市自然科学基金(4162019);食品安全知识图谱及大数据平台研制(Z161100001616004)资助项目

年　　份：2017

卷　　号：27

期　　号：9

起止页码：808-815

语　　种：中文

收录情况：BDHX、BDHX2014、核心刊

摘　　要：阐述了图像语义分割实质上是像素级别的密集分类的概念,及其在计算机视觉领域中的核心地位和应用意义。全面综述了图像语义分割算法的常用分类方法及最新成果,详尽比较了图像语义分割深度学习模型在PASCAL VOC 2012数据集上的像素准确率、平均像素正确率、平均交叠率、频率加权交叠率四个方面的实际表现性能,同时给出了模型的平均耗时、底层框架、实现语言、代码可读性、部署难度信息。最后对语义分割领域的发展进行了总结和展望,指出了模型面临的训练数据集不足、参数优化困难和结构单一的问题。

关 键 词：深度学习  语义分割  PASCAL VOC 卷积神经网络

分 类 号：TP391.41]