基于深度学习的图像分割综述

作     者：黄雯珂 滕飞 王子丹 冯力 HUANG Wenke;TENG Fei;WANG Zidan;FENG Li

作者机构：西南交通大学计算机与人工智能学院成都611756 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第2期

页      面：107-116页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：图像分割 语义分割 深度学习 网络结构 监督学习 

摘      要：图像分割是计算机视觉中的一项基本任务,其主要目的是从图像输入中提取有意义和连贯的区域。多年来,图像分割领域已经开发出了各种各样的技术,包括基于传统方法,以及利用卷积神经网络的最新图像分割技术。随着深度学习的发展,更多的深度学习算法也被应用到图像分割任务中。特别地,近两年学者对深度学习的兴趣高涨,涌现了许多应用于图像分割任务的深度学习算法。然而大部分新的算法还没有被归纳分析,这将不利于后续研究的进行。文中对近两年发表的基于深度学习的图像分割研究进行了全面回顾。首先对图像分割的常用数据集进行简要介绍,然后阐明了基于深度学习的图像分割的新分类,最后讨论了现有的挑战并对今后的研究方向进行了展望。