前面介绍了语义分割是什么,这篇进一步介绍语义分割的研究现状。
预备知识:
早期的分割采用传统的算法,比如基于阈值、边缘、区域、聚类、图论及特定理论等,这些方法的在特定数据分布上依赖专家知识可能效果不错,但迁移性往往不足。同时,图像的分类和检测技术通常只能给出场景中物体的类别及大概位置。
图像语义分割的目的在于通过将图像中的每个像素标记为某种语义类别来恢复图像中的物体所直接对应的图像区域
这篇侧重介绍语义分割中的深度学习方法。(采用深度学习的优点?)
目录
前面介绍了语义分割是什么,这篇进一步介绍语义分割的研究现状。
预备知识:
早期的分割采用传统的算法,比如基于阈值、边缘、区域、聚类、图论及特定理论等,这些方法的在特定数据分布上依赖专家知识可能效果不错,但迁移性往往不足。同时,图像的分类和检测技术通常只能给出场景中物体的类别及大概位置。
图像语义分割的目的在于通过将图像中的每个像素标记为某种语义类别来恢复图像中的物体所直接对应的图像区域
这篇侧重介绍语义分割中的深度学习方法。(采用深度学习的优点?)
目录