文献类型：期刊文章

作　　者：田启川[1,2] 孟颖[1,2]

TIAN Qi-chuan;MENG Ying(School of Electrical and Information Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China;Beijing Key Laboratory of Intelligent Processing for Building Big Data,Beijing 100044,China)

机构地区：[1]北京建筑大学电气与信息工程学院,北京100044 [2]建筑大数据智能处理方法研究北京市重点实验室,北京100044

出　　处：《小型微型计算机系统》

基　　金：北京市教育委员会科技发展计划面上项目(KM201410016016)资助;北京高等学校高水平人才交叉培养“实培计划”支持项目(2018-62/81/149,2019-82/148)资助;北京建筑大学研究生教学质量提升项目(J2018006)资助;北京建筑大学研究生创新项目(31081019002)资助.

年　　份：2020

卷　　号：41

期　　号：6

起止页码：1302-1313

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：图像语义分割是计算机视觉领域的重要研究内容之一.通过对图像的逐像素分类,可以分割出图像中若干感兴趣的区域,使计算机更好地理解和分析图像.论文介绍了图像语义分割的基本概念和经典网络结构.从全监督和非全监督语义分割方法两方面对基于卷积神经网络的图像语义分割方法进行了详细综述.最后,按照四种不同的应用领域介绍了图像语义分割的典型数据集和性能评价指标,在主流数据集上详细比较了代表性算法的特点和性能,对从事图像语义分割的研究具有重要的参考价值.

关 键 词：语义分割  全监督  非全监督  卷积神经网络

分 类 号：TP391]