目录
概念、目的性的分类
深度学习中图像分割经典算法
概念、目的性的分类
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与背景分割开。
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。狗A、B、C都是狗
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。
更全面的分类汇总:
传统的图像分割方法(非深度学习)
基于变换的图像分割方法
阈值分割方法
区域分割方法
基于图论的分割方法
基于能量泛函的分割方法
基于聚类的分割方法
深度学习中图像分割经典算法
FCN
https://arxiv.org/abs/1411.4038
SegNet
U-Net
Dilated Convolutions
DeepLab (v1 & v2)
公众号 计算机视觉研究院:
RefineNet
PSPNet
Large Kernel Matters
DeepLab v3
公众号 计算机视觉研究院
Mask-RCNN
参考:
深度学习之图像分割(指路论文链接)
深度学习之图像分割_MaggieQuan的博客-CSDN博客_图像分割
深度学习中图像分割经典算法和必备知识点整理