语义图像分割：二十年的研究
摘要
语义图像分割（SiS）在广泛的计算机视觉应用中起着基础作用，为图像的全局理解提供关键信息。本综述旨在总结 SiS 领域二十年的研究，我们提出了从早期历史方法开始的文献回顾，随后概述了更近期的深度学习方法，包括使用 transformer 的最新趋势。我们通过讨论弱监督的特殊情况以及可用于改进语义分割的辅助机器学习技术（如课程学习、增量学习或自监督学习）来补充该综述。最先进的 SiS 模型依赖大量标注样本，其获取比图像分类等任务的标签更昂贵。由于未标注数据获取成本显著更低，无监督域适应（UDA）在语义分割领域取得广泛成功并不令人意外。因此，本书的第二项核心贡献是总结快速增长五年的领域——语义图像分割的域适应（DASiS），它既重视语义分割本身，也重视将分割模型适配到新环境的迫切需求。除了提供关于 DASiS 技术的全面综述外，我们还揭示了更新趋势，如多域学习、域泛化、域增量学习、测试时适应和无源域适应。最后，我们通过描述 SiS 与 DASiS 中最广泛使用的数据库与基准，并简要讨论实例与全景图像分割等相关任务以及医学图像分割等应用，来结束本综述。
引用
@article{arxiv.2302.06378,
title = {Semantic Image Segmentation: Two Decades of Research},
author = {Gabriela Csurka and Riccardo Volpi and Boris Chidlovskii},
journal= {arXiv preprint arXiv:2302.06378},
year = {2023}
}
备注
Pre-print of the book: G. Csurka, R. Volpi and B. Chidlovski: Semantic Image Segmentation: Two Decades of Research, FTCGV (14): No. 1-2, http://dx.doi.org/10.1561/0600000095. The authors retained the copyright and are allowed to post it on arXiv. Research only use, commercial use or systematic downloading (by robots or other automatic processes) is prohibited