文献类型：期刊文章

作　　者：黄鹏[1] 郑淇[1] 梁超[1,2]

HUANG Peng;ZHENG Qi;LIANG Chao(School of Computer Science,Wuhan University,Wuhan 430072,Hubei,China;Shenzhen Institute of Wuhan University,Shenzhen 518000,Guangzhou,China)

机构地区：[1]武汉大学计算机学院,湖北武汉430072 [2]武汉大学深圳研究院,广东深圳518000

出　　处：《武汉大学学报（理学版）》

基　　金：国家自然科学基金(61876135,U1903214,61862015);湖北省自然科学基金(2019CFB472,2018AAA062,2018CFA024);深圳市科技计划基础研究项目(JCYJ20170818143246278)。

年　　份：2020

卷　　号：66

期　　号：6

起止页码：519-531

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了解图像分割领域的研究现状,对图像分割方法进行了系统性梳理,首先按照基于阈值、边缘、区域、聚类、图论及特定理论等6类方法介绍传统图像分割方法;然后介绍基于深度学习的分割方法,并探讨了几种常用的分割网络模型,包括全卷积网络(full convolutional network,FCN)、金字塔场景解析网络(pyramid scene parsing network,PSPNet)、DeepLab、Mask R-CNN;最后在图像分割的常用数据集上对同类方法进行了性能比较和分析。

关 键 词：图像处理 图像分割 深度学习  

分 类 号：TP391]