基于深度学习的场景分割算法研究综述

张 蕊 李锦涛

1(中国科学院计算技术研究所 北京 100190) 2(上海寒武纪信息科技有限公司 上海 200135)

场景分割[1]是计算机视觉领域一个基本而重要的问题.相比一般的图像分割，场景分割针对场景图像.场景图像[2]是指面向某个空间的图像，通常具有一定的透视形变，且其中包含的视觉要素数量较多.场景分割算法的目标是对于场景图像中的每个像素判断其所属类别，如图1所示：

Fig. 1 Illustration of scene parsing图1 场景分割问题

场景分割算法对于图像分析和场景理解具有极大的帮助.场景分割算法可以综合完成场景图像中视觉要素的识别、检测和分割，提高图像理解的效率和准确率.同时由于场景分割结果精确到像素级，相比图像分类和目标检测[3]，场景分割结果可以提供更加丰富的关于图像局部和细节的信息.此外，场景分割算法具有广泛的应用价值和长远的发展前景.例如在自动驾驶技术中，场景分割算法可以通过对道路、车辆和行人的分割辅助自动驾驶系统判断道路情况；在视频监控技术中，场景分割算法可以通过对监控目标的分割协助进行目标的分析和跟踪；在增强现实技术中，场景分割算法可以通过分割场景中的前景和背景辅助实现多种增强现实效果.

作为计算机视觉领域的一个经典任务，场景分割极具挑战性.如图2所示，场景分割的难点可概括为3个方面：1)分割粒度细.场景分割结果需要精确到像素级别，且需要预测精确的分割边界.2)尺……