深度学习用于图像分割：名副其实还是言过其实？

深度学习作为强大的分类工具已取得巨大成功，并在语义分割方面也取得重大进展。因此，许多研究者也相信深度学习是像素级图像分割最强大的工具。深度学习能否通过将物体特征映射至非线性函数，达到与传统图像分割技术相同的像素级精度？本文简要综述了迄今为止深度学习在图像分类与图像分割中所达到的精度。与深度学习在国际视觉挑战赛中有限类别分类所取得的高精度相比，深度学习在同一挑战赛中的图像分割精度仅约百分之八十。相反，国际生物医学挑战赛中取得的图像分割精度接近百分之九十五。为何差异如此之大？由于竞争者方法仅根据其提交结果而非通过提交源代码或软件复现结果来评估精度，所取得的精度是可验证的还是言过其实的？我们将通过分析深度学习的工作原理来查明。最后，我们将最先进深度学习方法的精度与一种阈值选择方法进行了定量比较。实验结果表明，在图像分割中阈值选择方法可达到显著高于深度学习方法的精度。