【图像分割】Image Segmentation 综述

Image Segmentation（图像分割）网络结构比较

网络名	作者	父辈	生辰	简述	增加的结构	丢弃的结构	优势	劣势
VGG16		FCN的灵感来源
FCN	J.Long	VGG16	2014	图像分割鼻祖	一个Deconv层(从无到有)	所有fc层	简单	粗糙
DeconvNet	H.Noh	FCN	2015		Unpooling层（从无到有）、多个Deconv层（层数增加）、fc层（从无到有）
SegNet	Vijay Badrinarayanan	DeconvNet	2016		每个max_pooling的max索引	所有fc层
DeepLab		FCN
PSPNet
Mask-RCNN			2017				真正做到像素级

Image Segmentation（图像分割）族谱

FCN

• DeepLab
• DeconvNet
  • SegNet
• PSPNet
• Mask-RCNN

按分割目的划分

• 普通分割

  将不同分属不同物体的像素区域分开。
  如前景与后景分割开，狗的区域与猫的区域、背景分割开。

• 语义分割

  在普通分割的基础上，分类出每一块区域的语义（即这块区域是什么物体）。
  如把画面中的所有物体都指出它们各自的类别。

• 实例分割

  在语义分割的基础上，给每个物体编号。
  如这个是该画面中的狗A，那个是画面中的狗B。