浅浅图像分割

目录

概念、目的性的分类​​​​​​​

传统的图像分割方法（非深度学习）

深度学习中图像分割经典算法​​​​​​​​​​​​​​

参考：

概念、目的性的分类

普通分割

将不同分属不同物体的像素区域分开。 如前景与后景分割开，狗的区域与猫的区域与背景分割开。

语义分割

在普通分割的基础上，分类出每一块区域的语义（即这块区域是什么物体）。 如把画面中的所有物体都指出它们各自的类别。狗A、B、C都是狗

实例分割

在语义分割的基础上，给每个物体编号。 如这个是该画面中的狗A，那个是画面中的狗B。

传统的图像分割方法（非深度学习）

基于变换的图像分割方法

阈值分割方法

区域分割方法

基于图论的分割方法

基于能量泛函的分割方法

基于聚类的分割方法

深度学习中图像分割经典算法

FCN

https://arxiv.org/abs/1411.4038

SegNet

U-Net

Dilated Convolutions

DeepLab (v1 & v2)

公众号 计算机视觉研究院：

谷歌——DeepLab v1

Deeplab v2 安装及调试全过程

DeepLab v2及调试过程

RefineNet

PSPNet

Large Kernel Matters

DeepLab v3

公众号 计算机视觉研究院

DeepLab V3

Mask-RCNN

参考：

深度学习之图像分割（指路论文链接）

深度学习之图像分割_MaggieQuan的博客-CSDN博客_图像分割

深度学习中图像分割经典算法和必备知识点整理

百度安全验证