图像分割算法综述合集：从深度学习到实例分割

图像分割算法综述合集：从深度学习到实例分割

图像分割是计算机视觉领域的重要研究方向之一，近年来随着深度学习技术的发展，图像分割算法取得了显著的进展。本文整理了5篇关于图像分割算法的综述性论文，涵盖了深度学习、实时语义分割、无监督自适应、损失函数以及实例分割等多个方面的研究进展。这些综述性论文对于从事计算机视觉和深度学习研究的人来说，具有很高的参考价值。

综述一：深度学习在图像分割中的应用

标题：Image Segmentation Using Deep Learning: A Survey
作者：Shervin Minaee, Demetri Terzopoulos

本文梳理了172篇相关文献，全面回顾了深度学习在图像分割领域的应用。文章重点介绍了语义和实例级分割的众多开创性作品，包括全卷积像素标记网络、编码器-解码器体系结构、多尺度以及基于金字塔的方法、递归网络、视觉注意模型和对抗环境中的生成模型。此外，文章还研究了这些深度学习模型的相似性、优势和挑战，分析了使用最广泛的数据集，并讨论了该领域有希望的未来研究方向。

2014年至2020年基于DL的2D图像分割算法的时间轴。橙色，绿色和黄色块分别表示语义，实例和全景分割算法。

U-net模型。蓝色框表示具有其指定形状的要素地图块。

DeepLabv3+模型。

综述二：深度学习实时语义图像分割方法

标题：A Survey on Deep Learning Methods for Semantic Image Segmentation in Real-Time
作者：Georgios Takos

本文梳理了9篇相关文献，重点介绍了深度学习在实时语义图像分割领域的最新进展。文章详细分析了图像分割中的最新深度学习体系结构，并提供了广泛的技术列表以实现快速推理和计算效率。这对于机器人技术、自动驾驶汽车、医学诊断等领域具有重要意义。

比例感知语义图像分割架构。

Cityscapes像素级语义标签实时任务最佳表现模型。

综述三：语义分割中的无监督自适应研究进展

标题：Unsupervised Domain Adaptation in Semantic Segmentation: a Review
作者：Marco Toldo, Pietro Zanuttigh

本文梳理了120篇相关文献，重点介绍了语义分割中的无监督域自适应（UDA）研究进展。文章详细讨论了UDA策略的维恩图、样本图像上的视觉任务概述以及不同空间的域移位自适应方法。

最受欢迎的用于语义分割的UDA策略的维恩图。

从分类到语义分割的一些可能的视觉任务的概述。

综述四：语义分割损失函数综述

标题：A survey of loss functions for semantic segmentation
作者：Shruti Jadon

本文梳理了23篇相关文献，总结了一些广泛用于图像分割的损失函数，并介绍了新的log-cosh骰子损失函数。文章详细讨论了不同损失函数在各种数据集上的性能表现，为模型训练提供了有价值的参考。

二元交叉熵损失函数图。

综述五：实例分割技术综述

标题：A Survey on Instance Segmentation: State of the art
作者：Abdul Mueed Hafiz, Ghulam Mohiuddin Bhat

本文梳理了143篇相关文献，由克什米尔大学的学者发布。文章详细介绍了实例分割的背景、问题、技术、演变、流行的数据集以及相关技术。实例分割作为目标检测和语义分割的结合，具有重要的研究价值和应用前景。

PANet框架示意图。

Microsoft COCO数据集上值得注意的实例分割工作。