大盤點 | 2019年5篇影像分割演算法最佳綜述

作者：Amusi
Date：2019-12-03
微信公眾號： CVer
連結： 大盤點 | 2019年5篇影像分割演算法最佳綜述

前言

上次盤點了2019年  目標檢測比較亮眼的綜述彙總，詳見：  大盤點 | 2019年4篇目標檢測演算法最佳綜述 。很多 CVers反映：有沒有影像分割的綜述大盤點，有沒有目標跟蹤的綜述大盤點，有沒有...

那麼本文盤點的就是2019年  影像分割綜述（Image Segmentation Review）。

其實影像分割包含的子方向比較多，如語義分割、例項分割、全景分割，甚至還可以把醫學影像包含進來（有些就不是2D Image），這裡並不做嚴格要求，看情況符合就好。

本文分享的綜述將同步推送到 github上，歡迎大家 star/fork（點選閱讀原文，也可直接訪問）：

https://github.com/amusi/daily- paper-computer-vision

影像分割論文

【1】Understanding Deep Learning Techniques for Image Segmentation

時間：2019年7月

作者：賈達珀大學

連結： https://arxiv.org/abs/1907.0611 9

推薦指數：★★★★★

注：58頁的影像分割綜述，共計224篇參考文獻。本綜述介紹了從2013年到2019年，主流的30多種分割演算法（含語義/例項分割），50多種資料集。

深度學習主流的模組"操作"示意圖 影像分割資料集 基於深度學習的主要分割演算法 RCNN家族 U-Net

【2】Embracing Imperfect Datasets: A Review of Deep Learning Solutions for Medical Image Segmentation

時間：2019年8月

作者：體素科技(VoxelCloud)

連結： https://arxiv.org/abs/1908.1045 4

推薦指數：★★★

注：26頁的醫學影像分割綜述，超過130+篇參考文獻。

本綜述章節架構 方法總結

【3】Deep Semantic Segmentation of Natural and Medical Images: A Review

時間：2019年10月

作者：西蒙弗雷澤大學&蒙特利爾大學等

連結： https://arxiv.org/abs/1910.0765 5

推薦指數：★★★★★

注：21頁的影像分割綜述，共計181篇參考文獻，從 FCN(2014) 到 Auto-DeepLab(2019)。

基於深度學習的主要分割方法 DeepLabV3+ 在PASCAL VOC 2012資料集上的演算法效能對比

【4】Deep learning for cardiac image segmentation: A review

時間：2019年11月

作者：帝國理工學院&倫敦大學&伯明翰大學

連結： https://arxiv.org/abs/1911.0372 3

推薦指數：★★★★★

注：47頁的影像分割綜述，超過250+篇的參考文獻，本醫學影像分割綜述從FCN(2014)到Dense U-net(2019)，論文中光畫圖的工作量就超級大！

心臟影像分割任務 FCN和U-Net 用於心臟MRI分割的深度學習方法

【5】Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications

時間：2019年11月

作者：史丹佛大學

連結： https://arxiv.org/abs/1911.0252 1

推薦指數：★★★★

注：35頁的影像分割綜述，共計134篇參考文獻，從U-Net到V-Net。

深度學習術語定義 Cascaded CNN for tumor segmentation

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2674252/，如需轉載，請註明出處，否則將追究法律責任。