计算机科学与探索

作者：毕阳阳, 郑远帆, 史彩娟, 张昆, 刘健

单位：1. 华北理工大学 人工智能学院，河北 唐山 063210 2. 河北省工业智能感知重点实验室，河北 唐山 063210

关键词：图像全景分割,深度学习,特征提取,子任务分割,子任务融合

随着深度学习与图像分割的不断发展，图像全景分割已经成为计算机视觉领域的一个研究热点，许多图像全景分割方法被提出。综述了基于深度学习的图像全景分割研究方法，首先介绍了图像全景分割国内外的研究现状，对已有图像全景分割的方法，根据网络架构优化任务的不同进行分类阐述，主要包括特征提取优化的图像全景分割、子任务分割优化的图像全景分割、子任务融合优化的图像全景分割、其他图像全景分割；其次简单介绍图像全景分割中常用的MS COCO、PASCAL VOC、Cityscapes、ADE20K和Mapillary Vistas五个数据集以及全景质量（PQ）和解析覆盖（PC）两种评价准则；然后对典型图像全景分割方法在不同数据集上进行了性能比较；接着列举了图像全景分割在医学、自动驾驶、无人机、农业、畜牧业、军事等领域的应用；最后指出了现有方法在复杂场景应用、实时性、冲突等方面存在的不足与挑战，并探讨了基于简单统一框架的图像全景分割、实时的高质量图像全景分割、复杂应用场景下图像全景分割等未来研究方向。

来源：2023年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第11期