基于全卷积网络的图像语义分割方法综述①

李梦怡,朱定局

(华南师范大学 计算机学院,广州 510631)

图像语义分割是计算机视觉领域的核心任务之一,语义分割从微观的角度可以理解为将图像中的每一个像素点进行分类,是一种像素级的空间密集型预测任务.换句话说,语义分割试图在语义上理解图像中每个像素的所代表的含义,比如识别它是汽车、楼房还是行人等;从宏观的角度则可以将语义分割看作是将一致的语义标签分配给一类事物[1],而不是每个像素.

与其他计算机视觉任务一样,卷积神经网络在图像语义分割领域发挥了重大作用,目前许多性能优异的图像分割模型都以卷积神经网络作为基础.语义分割对于场景理解的重要性日渐突出,被广泛应用到无人驾驶技术、地理信息系统和医疗影像检测与分析等任务中.

1 卷积神经网络

近些年来,随着深度学习领域研究的不断发展和进步,卷积神经网络也在许多学者的努力下得到了不断地发展和进步.2012年,卷积神经网络的发展取得了历史性的突破,Kkrizhevsky 等人提出了经典的AlexNet模型[2],一种更深更宽的卷积神经网络.AlexNet的提出,奠定了深度卷积神经网络在计算机视觉领域的核心地位,成为图像分类、对象检测、目标跟踪和图像分割等计算机视觉领域任务中性能优异、应用广泛的深度神经网络学习模型,推动了深度学习在语音识别、机器翻译等其他领域的拓展.

卷积神经网络主要由输入层(input layer)、卷积层(convolution layer)、池化层(pooling layer)、全连接层……