wxya（个人网站）图像分割
‣
Image Segmentation（图像分割）网络结构比较
网络名 | 作者 | 父辈 | 生辰 | 简述 | 增加的结构 | 丢弃的结构 | 优势 | 劣势 |
VGG16 | ㅤ | FCN的灵感来源 | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ |
FCN | J.Long | VGG16 | 2014 | 图像分割鼻祖 | 一个Deconv层(从无到有) | 所有fc层 | 简单 | 粗糙 |
DeconvNet | H.Noh | FCN | 2015 | ㅤ | Unpooling层（从无到有）、多个Deconv层（层数增加）、fc层（从无到有） | ㅤ | ㅤ | ㅤ |
SegNet | Vijay Badrinarayanan | DeconvNet | 2016 | ㅤ | 每个max_pooling的max索引 | 所有fc层 | ㅤ | ㅤ |
DeepLab | ㅤ | FCN | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ |
PSPNet | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ | ㅤ |
Mask-RCNN | ㅤ | ㅤ | 2017 | ㅤ | ㅤ | ㅤ | 真正做到像素级 | ㅤ |
Image Segmentation（图像分割）族谱
FCN
- DeepLab
- DeconvNet
- SegNet
- PSPNet
- Mask-RCNN
按分割目的划分
- 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、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。
- 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。
Loading...