文献综述 | A Review on Deep Learning Techniques Applied to Semantic Segmentation-2017-语义分割部分

最新推荐文章于 2022-09-22 21:20:27 发布
最新推荐文章于 2022-09-22 21:20:27 发布
阅读量497 收藏 1
点赞数 2
分类专栏： 文献笔记 文章标签： 深度学习 cnn 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_64064486/article/details/126357036
版权

A Review on Deep Learning Techniques Applied to Semantic Segmentation

阅读时候记录的一些自己简单的笔记，类似于文章框架，缺少讲解。

分割类综述论文大都引用此篇文章，特此学习。

摘要

1、引入了领域相关的术语及必要的背景知识；

2、介绍了主要的数据集以及对应的挑战，帮助研究者选取真正适合他们问题需要及目标的数据集；

3、介绍了现有的方法，突出了各自的贡献以及对本领域的积极影响；

4、展示了大量的针对所述方法及数据集的实验结果，同时对其进行了分析；

5、指出了一系列的未来工作的发展方向，并给出了对于目前最优的应用深度学习技术解决语义分割问题的研究结论。

引言

语义分割应用于静态2D图像、视频甚至3D数据、体数据，为场景理解做铺垫，场景理解即由具体到抽象。

语义分割应用：自动驾驶、人机交互、计算摄影学、图像搜索引擎、增强现实等

以往综述缺点：缺少数据集、未分析框架、未提供技术细节

本文贡献：1）数据集整理；2）重要语义分割方法起源、贡献的整理；3）从准确率、运行时间、内存占用等评价算法性能；4）总结现在技术，展望未来发展

Sec.2 术语和背景概念

语义分割

最低0.47元/天 解锁文章
【阅读笔记】（语义分割最全总结，综述）《A Review on Deep Learning Techniques Applied to Semantic Segmentation》
ShuqiaoS的博客
02-20 7776
本文记录了博主阅读论文《A Review on Deep Learning Techniques Applied to Semantic Segmentation》的笔记。更新于2019.2.19。
【论文阅读】A review on deep learning techniques applied to semantic segmentation
w.here的CSDN
08-19 490
Garcia-Garcia A, Orts-Escolano S, Oprea S, et al. A review on deep learning techniques applied to semantic segmentation[J]. arXiv preprint arXiv:1704.06857, 2017. 中文博客地址：http://liangjie.xyz/blogs/Segmentation/ 一篇致力于综述用于语义分割的深度模型技术的文章：回顾了各种应用场景下利用深度学习技术解决
论文笔记：A Review on Deep Learning Techniques Applied to Semantic Segmentation
a1424262219的博客
02-22 586
A Review on Deep Learning TechniquesApplied to Semantic Segmentation 2018-02-2210:38:12 1. Introduction： 　　语义分割是计算机视觉当中非常重要的一个课题，其广泛的应用于各种类型的数据，如：2D image，video，and even 3D or volumetr...
A Review on Deep Learning Techniques Applied to Semantic Segmentation
weixin_44424852的博客
01-11 948
1.语义分割:指像素级地识别图像，即标注出图像中每个像素所属的对象类别; 使用one-hot(https://www.cnblogs.com/daguankele/p/6595470.html)编码对类标签进行处理，实质上是为每个可能的类创建相应的输出通道。 最后，可以通过argmax将每个深度方向像素矢量折叠成分割图 池化层：池化层虽然扩大了感受野、聚合语境，但因此造成了位置信息的丢失； 全...
综述论文翻译：A Review on Deep Learning Techniques Applied to Semantic Segmentation
zhaochao2018的博客
12-30 216
论文地址：https://arxiv.org/abs/1704.06857 翻译地址：https://www.cnblogs.com/Jie-Liang/archive/2017/06/29/6902375.html
A Review on Deep Learning Techniques Applied to Semantic Segmentation 阅读笔记
adruinoZ的博客
07-21 1205
深度学习技术在语义分割中的应用综述 摘要 这篇文章主要是对各种应用场景下，使用深度学习进行语义分割的方法的综述。论文中介绍的主要方面包括： 1）该领域的术语和必要的背景知识 2）主要数据集和竞赛的介绍，帮助研究者选择最适合他们的数据集 3）回顾现有方法，还有这些方法的贡献和重要性 4）以上方法和数据集对应的测试结果和评价 5）未来研究方向以及从当前最优的使用深度学习的语义分割技术得到
【Review】A Review on Deep Learning Techniques Applied to Semantic Segmentation
Jinming Su
05-02 3864
基本情况 2017年4月份的文章.深度学习技术在语义分割中的应用综述，能写综述性质文章的都是大神，并且本文可以说是深度学习进行语义分割的第一本综述.本文正文有20页，参考文献有114篇，含28个数据集和27种方法. Abstract 综述性质的文章，本文首先描述了这个领域的一些专业术语和基本概念；接下来，介绍了主要的数据集和竞赛；然后回顾了存在的方法，强调了这些方法的主要贡献；最后，...
A Review on Deep Learning Techniques Applied to Semantic Segmentation
Rainbow0618的学习日志
01-16 1108
Introduction Terminology and Background Concepts 1 Common Deep Network Architectures AlexNet VGG-16 GoogLeNet ResNet ReNet 2 Transfer Learning 3 Data Preprocessing and Augmentation Datasets and Ch
翻译 Review on Deep Learning Segmentation （应用于语义分割问题的深度学习技术综述）
10-25
本来想免费的，可惜系统设置了最小资源分是2分。如有侵权请删除。
语义分割综述论文合集
03-10
包含 2016 至 2018 年 6 篇语义分割经典综述论文。基本包含了常用的分割网络。更多最新文章欢迎阅读个人博客中的收录。
A 2017 Guide to Semantic Segmentation with Deep Learning阅读笔记
u010067397的专栏
12-19 701
reference本文的组织结构如下 解译语义分割问题； 综述一些语义分割的方法； 概述一些重要的论文。
[论文笔记]图片语义分割 文献综述
专注“目标检测”领域技术分享
09-22 2486
本文介绍了语义分割的现存技术和有前景的发展方向。
语义分割综述
qq_29462849的博客
10-01 694
前言本文对语义分割相关重要论文进行了简要概述，介绍了它们的主要改进方法和改进效果，并提供了这些论文的下载方式。作者：Derrick Mwiti编译：CV技术指南语义分割 (Semanti...
Deep Learning Review
当你努力到把自己都感动的时候，你离成功就不远了。
10-02 2903
http://www.nature.com/nature/journal/v521/n7553/pdf/nature14539.pdfAbstract：DL允许多个处理层的计算机模型来学习具有多层次抽象的数据表示。这些方法改善了愈多方面，包括语音识别，视觉对象识别，对象检测和其他领域，像药物发现和基因学等。DL能发现大数据中的复杂结构通过使用BP算法来指导机器如何从前一层获取误差而改变本层内部参数，
【深度学习】语义分割——综述
weixin_45709330的博客
02-12 1万+
语义分割 什么是语义分割？ 通俗且具体到实际图像上来说，语义分割其实就是对于细化版的分类，就是对于一张图像上说，传统的图像分类是把图像中出现的物体进行检测并识别是属于什么类别的，也就是对于一整张图片进行分类。那么现在就有人想对于图中每一个像素点都进行分类。与分类不同的是，深度网络的最终结果是唯一重要的，语义分割不仅需要在像素级别上进行区分，而且还需要一种机制将编码器不同阶段学习到的区分特征投影到像素空间上。 当我们把一张图上某一个像素点都进行分类后，每一个像素点都会有被赋予一个类别。当每一个像素都被标记上
【语义分割】综述——一文搞定语义分割
热门推荐
ShuqiaoS的博客
02-19 1万+
本文记录了博主阅读的关于语义分割（Semantic Segmentation）的综述类文章的笔记，更新于2019.02.15。 文章目录参考文献网址A 2017 Guide to Semantic Segmentation with Deep Learning什么是语义分割（Semantic Segmentation）常用方法汇总FCNSegNet 参考文献网址 Qure.ai Blog: A ...
深度学习语义分割综述
最新发布
02-19
### 关于深度学习语义分割的综述性资料 #### 综述论文 对于希望了解深度学习技术如何应用于语义分割的研究者而言，《A Review on Deep Learning Techniques Applied to Semantic Segmentation》提供了详尽的技术回顾，涵盖了多种网络架构及其改进措施[^1]。该文章不仅总结了现有模型的优点与局限性，还探讨了未来可能的发展方向。 #### 教程资源获取途径 关注特定领域内的高质量公众号也是不错的选择之一。“计算机视觉工坊”就曾分享过一系列有关深度学习的基础教程以及高级话题讨论文档集合，通过其平台可以方便地获得多份PDF格式的学习材料，这些资料覆盖广泛的主题，包括但不限于基础理论介绍、前沿研究进展等[^2]。 #### 方法解析博客文章 一篇发表于CSDN上的博文《语义分割中的深度学习方法全解》，深入浅出地讲解了几种经典的卷积神经网络结构——从早期提出的FCNs一直到后来演化的DeepLab系列版本，并对其工作原理进行了细致剖析；同时对比分析不同方案之间的异同之处，有助于读者构建完整的知识体系[^3]。 #### 实践案例研究 RefineNet作为一种专注于提升高分辨率图像处理效果的新颖框架，在保持计算效率的同时实现了更精细的目标识别能力。这篇提交至arXiv预印本网站的文章详细描述了Multi-Path Refinement Networks的设计理念和技术细节，适合那些想要探索最新研究成果并将其应用到实际项目当中的人士阅读[^4]。 ```python # 示例代码用于展示如何加载和准备数据集以供训练使用 import torch from torchvision import datasets, transforms transform = transforms.Compose([transforms.ToTensor()]) dataset = datasets.Cityscapes(root='./data', split='train', mode='fine', target_type='semantic', transform=transform) dataloader = torch.utils.data.DataLoader(dataset, batch_size=8, shuffle=True) for images, labels in dataloader: # 进行前向传播、反向传播及优化操作... pass ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值