10.3969/j.issn.1000-1220.2021.01.028
深度学习的图像实例分割方法综述
实例分割是一项具有挑战性的任务,需要同时进行实例级和像素级的预测,在自动驾驶、视频分析、场景理解等方面应用广泛.近年来,基于深度学习的实例分割方法迅速发展,如两阶段检测器Faster R-CNN扩展出的聚焦于网络的精度而非速度的强大实例分割基准Mask R-CNN,一度成为实例分割的标杆.利用高速检测的单阶段检测器延伸出的实例分割算法YOLACT填补了实时实例分割模型的空白,具有较高的研究和应用价值.本文首先对实例分割算法进行了类别划分,然后对一些代表性的算法及其改进算法进行了深入分析,并阐述了相关算法的优缺点,最后对实例分割方法未来的发展进行了展望.
深度学习、图像实例分割、像素分割、计算机视觉
42
TP391(计算技术、计算机技术)
国家自然科学基金项目;内蒙古自治区自然科学基金项目;内蒙古自治区高等学校科学研究项目;内蒙古自治区科技计划项目
2021-01-22(万方平台首次上网日期,不代表论文的发表时间)
共11页
161-171