文献类型：期刊文章

作　　者：徐辉[1,2] 祝玉华[1,2,3] 甄彤[1,2] 李智慧[1,2]

XU Hui;ZHU Yuhua;ZHEN Tong;LI Zhihui(Key Laboratory of Grain Information Processing and Control(Henan University of Technology),Ministry of Education,Zhengzhou 450001,China;College of Information Science and Engineering,Henan University of Technology,Zhengzhou 450001,China;Yellow River Conservancy Technical Institute,Kaifeng,Henan 475000,China)

机构地区：[1]粮食信息处理与控制教育部重点实验室(河南工业大学),郑州450001 [2]河南工业大学信息科学与工程学院,郑州450001 [3]黄河水利职业技术学院,河南开封475000

出　　处：《计算机科学与探索》

基　　金：国家重点研发计划(2018YFD0401404)。

年　　份：2021

卷　　号：15

期　　号：1

起止页码：47-59

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、ZGKJHX、核心刊

摘　　要：图像语义分割是计算机视觉领域近年来的热点研究课题,随着深度学习技术的兴起,图像语义分割与深度学习技术进行融合发展,取得了显著的进步,在无人驾驶、智能安防、智能机器人、人机交互等真实场景中应用广泛。首先对应用于图像语义分割的几种深度神经网络模型进行简单介绍,接着详细阐述了现有主流的基于深度神经网络的图像语义分割方法,依据实现技术的区别对图像语义分割方法进行分类,并对每类方法中代表性算法的技术特点、优势和不足进行分析与总结。之后归纳了图像语义分割常用的大规模公共数据集和性能评价指标,并在此基础上对经典的语义分割方法的实验结果进行了对比,最后对语义分割领域未来可行的研究方向进行展望。

关 键 词：计算机视觉 图像语义分割  深度神经网络  

分 类 号：TP391]