深度卷积神经网络图像实例分割方法研究进展
图像实例分割是图像处理和计算机视觉技术中关于图像理解的重要环节,随着深度学习和深层卷积神经网络日趋成熟,基于深度卷积神经网络的图像实例分割方法取得了跨越性进展.实例分割任务实际上是目标检测和语义分割两项任务的结合,可以在像素层面完成识别图像中目标轮廓的任务.实例分割不仅可以定位图像中目标的位置,从像素层面上分割所有目标,还可以标注出图像中同一类别的不同个体,既是对图像的像素级分割,又是实例级理解.首先,阐述了图像实例分割产生的原因和深度卷积神经网络的作用.然后,根据图像实例分割方法的过程和特征,分别从两阶段和单阶段的角度介绍了图像实例分割的研究进展,详细阐述了两类方法的优势和不足,进而总结了各类实例分割方法对区域、特征提取和掩膜的设计思路.此外,归纳了图像实例分割方法的性能评价标准和常用的公开数据集,并在此基础上对比和评估了主流的图像实例分割模型的分割精度.最后,指出了当前图像实例分割存在的问题及解决思路,并对其未来发展进行了总结和展望.
实例分割、深度卷积神经网络、目标检测、语义分割、两阶段、单阶段
49
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;江苏省重点研发计划项目;江苏省高等教育自然科学研发项目;江苏省高等教育自然科学研发项目;江苏省高等教育自然科学研发项目
2022-05-11(万方平台首次上网日期,不代表论文的发表时间)
共15页
10-24