算法 | 描述 | 优点 | 局限性 |
基于区域的细分 | 根据某个阈值将对象分成不同的区域。 | 一个。简单的计算
b。运算速度快 C。当对象和背景具有高对比度时,此方法的效果非常好 | 当没有明显的灰度差异或灰度像素值重叠时,很难获得准确的分段。 |
边缘检测分割 | 利用图像的不连续局部特征来检测边缘,从而定义对象的边界。 | 这有利于物体之间具有更好的对比度的图像。 | 如果图像中的边缘过多,并且对象之间的对比度较小,则不合适。 |
基于聚类的细分 | 将图像的像素分为均匀的簇。 | 在小型数据集上非常有效,并且可以生成出色的集群。 | 一个。计算时间太大且昂贵。
b。k均值是基于距离的算法。它不适用于群集非凸群集。 |
面具R-CNN | 为图像中的每个对象提供三个输出:其类,边界框坐标和对象蒙版 | 一个。简单,灵活和通用的方法
b。这也是当前图像分割的最新技术 | 训练时间长 |