基于深度学习的实例分割研究综述

摘要：

深度学习在计算机视觉领域已经取得很大发展,虽然基于深度学习的实例分割研究近年来才成为研究热点,但其技术可广泛应用在自动驾驶,辅助医疗和遥感影像等领域.实例分割作为计算机视觉的基础问题之一,不仅需要对不同类别目标进行像素级别分割,还要对不同目标进行区分.此外,目标形状的灵活性,不同目标间的遮挡和繁琐的数据标注问题都使实例分割任务面临极大的挑战.本文对实例分割中一些具有价值的研究成果按照两阶段和单阶段两部分进行了系统性的总结,分析了不同算法的优缺点并对比了模型在COCO数据集上的测试性能,归纳了实例分割在特殊条件下的应用,简要介绍了常用数据集和评价指标.最后,对实例分割未来可能的发展方向及其面临的挑战进行了展望.

关键词：计算机视觉;实例分割;图像分割;卷积神经网络;深度学习;目标检测;两阶段实例分割;单阶段实例分割

所属期刊栏目：17

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划;国际合作项目

在线出版日期：2022-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：16-31