大盤點 | 2019年5篇圖像分割算法最佳綜述

• 2019 年 12 月 6 日
• 筆記

前言

上次盤點了2019年 目標檢測比較亮眼的綜述匯總，詳見： 大盤點 | 2019年4篇目標檢測算法最佳綜述。很多 CVers在微信學術交流群反映：有沒有圖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 圖像分割綜述（Image Segmentation Review）。

其實圖像分割包含的子方向比較多，如語義分割、實例分割、全景分割，甚至還可以把醫學圖像包含進來（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（點擊閱讀原文，也可直接訪問）：

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

圖像分割論文

【1】Understanding Deep Learning Techniques for Image Segmentation

時間：2019年7月

作者：賈達珀大學

鏈接：https://arxiv.org/abs/1907.06119

推薦指數：★★★★★

註：58頁的圖像分割綜述，共計224篇參考文獻。本綜述介紹了從2013年到2019年，主流的30多種分割算法（含語義/實例分割），50多種數據集。

深度學習主流的模塊"操作"示意圖

圖像分割數據集

基於深度學習的主要分割算法

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)

鏈接：https://arxiv.org/abs/1908.10454

推薦指數：★★★

註：26頁的醫學圖像分割綜述，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

鏈接：https://arxiv.org/abs/1910.07655

推薦指數：★★★★★

註：21頁的圖像分割綜述，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數據集上的算法性能對比

【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

鏈接：https://arxiv.org/abs/1911.03723

推薦指數：★★★★★

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

心臟圖像分割任務

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：斯坦福大學

鏈接：https://arxiv.org/abs/1911.02521

推薦指數：★★★★

註：35頁的圖像分割綜述，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