没有合适的资源?快使用搜索试试~ 我知道了~
语义分割1
需积分: 0 0 下载量 98 浏览量
2022-08-03
18:52:15
上传
评论
收藏 343KB PDF 举报
温馨提示
试读
4页
摘要:图像语义分割作为AI领域的重要分支,是计算机视觉技术中的重要环节,同时也是深度学习算法的重要应用。介绍深度学习应用于计算机视觉技术之前图像处理中语义分割传
资源详情
资源评论
资源推荐
图像语义分割问题研究综述
肖朝
霞
,
陈
胜
(
上海理工大学 光电信息与计算机工程学院
,
上
海
20
0093
)
摘
要
:
图像语义分割作为
AI
领域的重要分支
,
是计算机视觉技术中的重要环节
,
同时也是深度学习算法的重要应
用
。
介绍深度学习应用于计算机视觉技术之前图像处理中语义分割传
统算法
,
并探讨语义分割问题中基于不同神经
网络结构模型的深度学习算法及性能
,
如
FCN
、
U
-
ne
t
算法
。
最后针对当前图像语义分割算法应用
,
总结展望未来研
究方向
。
关键
词
:
深度
学习
;
图像处理
;
神经网络
;
U
-
ne
t
网络
DO
I
:
10.11907
/
r
j
dk.173172
中图
分类号
:
TP
301
文献标识码
:
A
文章编号
:
16
72
-
78
00
(
2018
)
008
-
00
06
-
03
Re
view
of
Ima
g
e
Semantic
Se
g
mentation
X
I
AO
Zhao
-
x
i
a
,
CHEN
Shen
g
(
Sc
hool
o
f
O
p
to
electronic
In
f
o
rmation
an
d
Co
m
p
uter
En
g
i
neerin
g
,
Un
iversit
y
o
f
Sh
an
g
hai
f
or
Sc
ience
an
d
Te
chnolo
gy
,
Sh
an
g
hai
20
0093
,
Ch
ina
)
A
b
stract
:
As
an
im
p
ortant
branch
of
AI
field
,
ima
g
e
semantic
se
g
mentation
is
an
im
p
ortant
p
art
of
com
p
uter
vision
technolo
gy
and
an
im
p
ortant
a
pp
lication
of
dee
p
learnin
g
al
g
orithm.This
p
a
p
er
introduces
the
traditional
al
g
orithm
of
semantic
se
g
mentation
a
pp
lied
in
ima
g
e
p
rocessin
g
p
rior
to
the
a
pp
lication
of
dee
p
learnin
g
in
com
p
uter
vision
,
and
discusses
the
dee
p
learnin
g
al
g
orithm
and
its
p
erformance
based
on
different
neural
network
structure
models
in
semantic
se
g
mentation
,
such
as
FCN
and
U
-
ne
t
al
g
o
-
ri
thm.Finall
y
,
aimin
g
at
the
a
pp
lication
of
the
current
ima
g
e
semantic
se
g
mentation
al
g
orithm
,
the
p
a
p
er
summerizes
the
re
-
s
e
arch
direction.
Ke
y
Words
:
dee
p
learnin
g
;
ima
g
e
p
rocessin
g
;
neural
network
;
U
-
ne
t
network
收稿
日期
:
2017
-
12
-
12
基金
项目
:
国家自然科学基金项目
(
201361235636
);
上海市自然科学基金项目
(
13Z R1410400
);
沪江基金项目
(
C14002
)
作
者简介
:
肖朝霞
(
1994-
),
女
,
上海理工大学光电信息与计算机工程学院硕士研究生
,
研究方向为深度学习
、
生物医学图像处理
;
陈
胜
(
1976-
),
男
,
博士
,
上海理工大学光电信息与计算机工程学院副教授
、
硕士生导师
,
研究方向为医学图像处理与分析
、
模
式识别
、
计算机辅助诊断
。
0
引
言
图像语义分割是计算机视觉的关键技术
,
与
图像自动
标注作为大规模图像处理和理解的两大重要任务
[
1
]
。
在
机器
视觉领域
,
随机森林分类与纹理基元森林分类是图像
语义分割的传统作法
。
最初的分割大都基于简单的像素
级别的
“
阈值法
”
,
随着分割技术的不断改进
,
基 于
“
图 划
分
”
的分割法改善效果明显
,
精度较高
,
成为经典的传统语
义分割方法之一
[
2
-
3
]
。
在深度学习算法被创造性地引入机器视觉领域
后
,
语
义分割问题有了突破性进展
,
如全卷积神经网络
(
f
u
ll
y
convolutional
networks
,
FCN
)、
基于多图学习与块对角
约
束的全监督语义分割方法
、
基于模型评估的弱监督语义分
割方法
[
4
]
等许
多基于神经网络训练的语义分割方法相继
出现
,
分割精度不断提高
。
1
传统图像语义分割算法介绍
在传统的视觉算法中
,
图像语义分割的经典作法
有基
于图划分的
“
No
rmalized
cut
”
算法
和
“
Gr
ab
cut
”
算法
等
。
1.
1
Normalized
Cut
算法
“
No
rmalized
cut
”
方法
,
简
称
“
N-
cut
”,
是基
于图划分
的语义分割方法之一
[
5
]
。
图划分是指将图
像建模为图
(
G
r
a
p
h
)
的形
式
,
借 助 图 理 论
(
Gr
a
p
h
theor
y
)
对 图
像 进 行
语义分割
。
最小分割算法
(
Mi
n
-
cu
t
al
g
orithm
)
就是
其中较
文润观书
- 粉丝: 25
- 资源: 317
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0