文献类型：期刊文章

作　　者：田萱[1] 王亮[1] 丁琪[1]

TIAN Xuan;WANG Liang;DING Qi(School of Information Science and Technology, Beijing Forestry University, Beijing 100083, China)

机构地区：[1]北京林业大学信息学院,北京100083

出　　处：《软件学报》

基　　金：中央高校基本科研业务费专项资金(TD2014-02)~~

年　　份：2019

卷　　号：30

期　　号：2

起止页码：440-468

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,深度学习技术已经广泛应用到图像语义分割领域.主要对基于深度学习的图像语义分割的经典方法与研究现状进行分类、梳理和总结.根据分割特点和处理粒度的不同,将基于深度学习的图像语义分割方法分为基于区域分类的图像语义分割方法和基于像素分类的图像语义分割方法.把基于像素分类的图像语义分割方法进一步细分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法.对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想和优缺点,系统地阐述了深度学习对图像语义分割领域的贡献.对图像语义分割相关实验进行了分析对比,并介绍了图像语义分割实验中常用公共数据集和性能评价指标.最后,预测并分析总结了该领域未来可能的研究方向及相应的发展趋势.

关 键 词：图像语义分割  深度学习  像素分类 全监督学习  弱监督学习  

分 类 号：TP391]