文献类型：期刊文章

作　　者：罗会兰[1] 张云[1]

LUO Hui-Ian;ZHANG Yun(School Information Engineering, Jiangxi University cf Science and Technology, Ganzhou, Jiangxi 341000, China)

机构地区：[1]江西理工大学信息工程学院

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61462035,No.61862031);江西省青年科学家培养项目(No.20153BCB23010);江西省自然科学资金项目(No.20171BAB202014)

年　　份：2019

卷　　号：47

期　　号：10

起止页码：2211-2220

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：图像语义分割不仅预测一幅图像中的不同类别,同时还定位不同语义类别的位置,具有重要的研究意义和应用价值.本文阐述了图像语义分割最新的研究成果和方法,从三个角度综述了基于深度卷积神经网络的图像语义分割模型,分别是基于候选区域模型、基于全卷积网络模型和基于弱监督学习的语义分割模型,对这三类模型的方法和结构进行了详细的研究和分析.并在PASCAL VOC 2012数据集上对一些代表性的语义分割算法的性能进行了比较分析.

关 键 词：图像语义分割  深度卷积神经网络  候选区域  全卷积网络  弱监督学习  PASCAL VOC 2012数据集  

分 类 号：TP391]