深度神经网络图像语义分割方法综述

徐 辉，祝玉华,3+，甄 彤，李智慧

1.粮食信息处理与控制教育部重点实验室（河南工业大学），郑州450001

2.河南工业大学信息科学与工程学院，郑州450001

3.黄河水利职业技术学院，河南开封475000

图像分割是计算机视觉研究的关键，亦是理解图像内容的基石技术，其发展历程从基于边缘检测、基于阈值、基于区域等方法的传统图像分割，逐渐发展到当今主流的基于深度神经网络的图像语义分割，在技术水平上取得了巨大的进步。传统的图像分割受计算机算力的限制，只能提取图像的纹理信息、颜色、形状等低层特征对图像进行分割，且需要人工设计特征，因而分割准度不高。而随着计算机软硬件的更新换代、深度学习技术的日益强大，语义分割也进入新的发展时期。许多研究学者将深度学习引入图像语义分割领域，利用深度神经网络从输入数据中自动学习特征，能够提取图像的低层、中层和高层特征，实现对图像目标端到端的像素级分类，极大地提高了语义分割的精度和效率。

图像语义分割是像素级别的图像识别和理解，即依据图像所含语义信息对每个像素进行分类标注，将图像分割为语义含义相同的若干区域，并使用不同的颜色标记不同区域，以此将每个区域的类别标注结果可视化。目前语义分割技术已经发展得较为成熟，在自动驾驶、医学图像分析、增强现实等实际场景中应用广泛。

现有的一些相关综述文章[1-3]已经对图像语义分割的发展历史、技术革新进行了较为完善的总结，但如文献[2-3]对所列举的语义分割方法的设计思路、优缺点等论述不足，文献[1]则缺乏对语义分割最新研究成果和算法的解读。……