【2021-IEEE】Image Segmentation Using Deep Learning: A Survey

已于 2022-12-03 17:58:30 修改
阅读量980 收藏
点赞数
分类专栏： 星夜鱼塘 文章标签： 深度学习 人工智能 计算机视觉
于 2022-12-03 15:28:14 首次发布
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.youkuaiyun.com/qq_42672745/article/details/128162221
版权

概述

作者在本次调查中，涵盖了语义和实例级分割的广泛开创性工作，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。研究了这些深度学习模型的相似性，优势和挑战，研究了使用最广泛的数据集，报告了性能，并讨论了该领域有希望的未来研究方向。

贡献：

  • 这项调查涵盖了有关分割问题的当代文献，并概述了截至2019年提出的100多种分割算法，分为10类。
  • 使用深度学习对分割算法的不同方面进行全面的回顾和深入的分析，包括训练数据，网络架构的选择，损失函数，训练策略及其主要贡献。
  • 概述了约20种流行的图像分割数据集，分为2D，2.5D（RGBD）和3D图像。
  • 提供了针对大众化基准进行细分的方法的性能和性能的比较摘要。
  • 为基于深度学习的图像分割提供了一些挑战和潜在的未来方向。

结论：总结

在这里插入图片描述
在这里插入图片描述

参考链接

Image Segmentation Using Deep Learning: A Survery
Fantastic
09-23 3950
图像分割综述–论文翻译 论文地址：https://arxiv.org/pdf/2001.05566.pdf 摘要 图像分割是图像处理以及计算机视频的关键内容，其应用场景非常广泛，如场景理解、医学图像分析、机器人感知、视频监控、增强显示和图像压缩等。目前关于图像分割的算法论文数量非常多。最近，由于深度学习模型在计算机视频任务中的出色表现，大量的图像分割研究工作都在开发深度学习模型在图像分割中的应用。在本次调查综述中，我们提供全面的图像分割的文献综述，涵盖了语义分割和实例分割的广泛开创性工作，其中包括全卷机像素
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 5480
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
Image Segmentation:A Survey of Graph-cut Methods
lut609921895的博客
02-13 1611
《Image Segmentation:A Survey of Graph-cut Methods》这篇文章是Graph-cut图像分割方法的一个综述，文章在第一部分首先给出了图割方法分割图像的优势，之后用图割方法与其他5种图像分割方法做对比，突出图割方法的优点。在第二部分中，文章详细讲解了图割方法分割图像的过程，并给出了图割方法改进的方向及现状
Image Segmentation Using Deep Learning: A Survey
最新发布
小蒋的博客
11-29 356
综述论文*4
【图像分割综述】Image Segmentation Using Deep Learning: A Survey
扬帆·启航
03-09 7424
涵盖了图像分割方面的最新文献，并讨论了直到2019年提出的一百多种基于深度学习的分割方法，训练方法及其主要贡献。 提供了综述方法的性能的比较摘要，并讨论了基于深度学习的图像分割模型的一些挑战和潜在的未来方向。
《A Survey of Image Segmentation techniques》 Thakur 2014文章的阅读思维导图
whlgjack的专栏
03-27 992
《A Survey of Image Segmentation techniques》  Thakur 2014文章的阅读思维导图
Deep learning_CNN_Review：A Survey of the Recent Architectures of Deep Convolutional Neural Networks—...
Alliswell_WP
11-08 2579
CNN综述文章的翻译 [2019 CVPR] A Survey of the Recent Architectures of Deep Convolutional Neural Networks 翻译 综述深度卷积神经网络架构：从基本组件到结构创新 目录 摘要 1、引言 2、CNN基本组件 2.1 卷积层 2.2 池化层 2...
Echocardiography Image Segmentation: A Survey(超声心动图图像分割方法综述--中文翻译）
mrj4124的博客
06-28 4678
Echocardiography Image Segmentation: A Survey 摘要：尽管超声图像的获取是较廉价，并且免于辐射的，但是超声图像因为信号衰减、斑点噪声等干扰，使得超声图像的分割具有较大挑战。本文将近些年应用于超声心动图像分割的相关方法进行了分类总结，并列出了10篇具有原创思想的文章，这些文章具有特殊的临床使用价值或是对于超声心动图像分割具有指导意义。 关键词：超声心动...
【ACM 2020 - Text Recognition in the Wild：A Survey】OCR识别综述
chenghaoy的博客
06-24 1369
Introduction 1. 推动基于深度学习的STR发展三要素： （1）先进的硬件系统：高性能计算支持训练大规模识别网络 （2）基于深度学习的STR算法能自动进行特征学习 （3）STR应用需求旺盛 BACKGROUND STR基本问题： （1）Text localization（文本定位） Pan He, Weilin Huang, Tong He, Qile Zhu, Yu Qiao, and Xiaolin Li.Single shot text detector with regional at
Image Segmentation Using Deep Learning: A Survey 论文精读
Doctor_Wei的博客
11-15 5325
Image Segmentation Using Deep Learning: A Survey 论文精读
图像分割 Image Segmentation
weixin_52374973的博客
05-18 6985
图像分割是许多视觉理解系统的重要组成部分。它包括将图像（或视频帧）分割成多个片段或对象。分割在医学图像分析(例如，肿瘤边界提取和组织体积测量），自主载体(例如，可导航表面和行人检测），视频监控，和增强现实起到了非常重要的作用。
【IEEE】中科院2区计算机系统类，SCIE&EI双检，正刊
WangUnionpub的博客
02-10 1101
• 在复杂情况下(如大流行)进行社会网络分析的知识注入学习的进展。【期刊简介】IF：4.5-5.0，JCR2区，中科院2区。【期刊简介】IF：0.5-1.0，JCR4区，中科院4区。• 通过知识注入学习，提取知识并对社会系统进行具体讨论。• 可解释的机器学习，推动跨计算社会系统的技术创新。• 通过互联网组织和存储知识，深度知识注入学习。• NLP在计算社会系统知识注入学习中的作用。• 通过注入知识的学习克服计算社会系统的挑战。• 可扩展计算在知识注入的社会系统中的作用。• 为计算社会系统注入知识的众包。
基于形状先验的分割方法
lovely_smile的博客
09-06 1381
1.Combining convolutional neural networks and star convex cuts for fast whole spine vertebra segmentation in mri 2.Star-convex polyhedra for 3d object detection and segmentation in microscopy 3.Deep convolutional neural networks with spatial regularizatio
AE人工智能插件Diffusae在AE中的使用
Retractable charging cables factory
05-23 1171
目前其官网有且仅有2款为AE开发的AI智能插件，一款是Diffusae，另一款是NeRF Rendering ( 用于AE的NeRF渲染器)。目前其官网有且仅有2款为AE开发的AI智能插件，一款是Diffusae，另一款是NeRF Rendering ( 用于AE的NeRF渲染器)。Difusae是BSKL网站开发的一款AE插件，它的主要功能就是将AI的力量直接集成到你的VFX工作流程中。Difusae是BSKL网站开发的一款AE插件，它的主要功能就是将AI的力量直接集成到你的VFX工作流程中。
综述 | 非完全监督下基于深度学习的图像分割方法（上海交大&华为）
idol24的博客
07-14 1099
来源：PaperWeekly上海交通大学人工智能研究院杨小康、沈为团队联合华为田奇团队共同发布了非完全监督（即标签有限）下的图像分割方法最新综述“A Survey on Label-efficient Deep Segmentation: Bridging the Gap between Weak Supervision and Dense Prediction”。该工作...
yolov3算法
walkinging1的博客
08-14 793
yolov3
arXiv综述论文“Image Segmentation Using Deep Learning: A Survey”
yorkhunter的博客
01-20 3879
arXiv于2020年1月15日上传图像分割综述论文“Image Segmentation Using Deep Learning: A Survey“。 摘要：图像分割是图像处理和计算机视觉中的关键主题，其应用包括场景理解、医学图像分析、机器人感知、视频监控、增强现实和图像压缩等。已经开发了用于图像分割的各种算法。最近，由于深度学习模型在各种视觉应用中的成功，有大量工作在用深度学习模型开发图像分...
关于深度学习在医学成像应用的有关应用文献
06-01
A Survey on Deep Learning in Medical Image Analysis. In Medical Image Analysis, vol. 42, pp. 60-88, May 2017. DOI: 10.1016/j.media.2017.07.005. 4. Wang G, Li W, Zuluaga MA, et al. Interactive ...
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