全监督学习的图像语义分割方法研究进展OA北大核心CSCDCSTPCD
Research Progress of Image Semantic Segmentation Based on Fully Supervised Learning
近年来,随着深度学习进入计算机视觉领域,各种深度学习图像语义分割方法相继出现,其中全监督学习方法的分割效果显著超过弱监督学习方法.将全监督学习的图像语义分割方法分为五类,并对各类中最具有代表性的方法进行详细分析,重点阐述各种方法核心部分的实现过程.对语义分割领域中的主流数据集进行归纳总结,介绍了性能算法指标,并在主流数据集上对各种代表性方法的效果进行对比,最后对语义分割的未来进行展望.
袁铭阳;黄宏博;周长胜
北京信息科技大学 计算机学院,北京 100101北京信息科技大学 计算机学院,北京 100101北京信息科技大学 计算智能研究所,北京 100192
信息技术与安全科学
计算机视觉图像语义分割深度学习语义分割方法全监督学习
《计算机工程与应用》 2021 (4)
43-54,12
北京市教委科技计划一般项目(KM201811232024)北京信息科技大学促进高校内涵发展"信息+"项目-多源光谱生物特征活体识别平台建设北京信息科技大学高教研究重点项目(2019GJZD01).
评论