深度学习在实例分割领域的应用与研究综述.docxVIP

深度学习在实例分割领域的应用与研究综述

目录

一、内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.2实例分割概念界定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.3深度学习技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.4本文研究内容及结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

二、实例分割关键技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

2.1图像特征提取方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

2.1.1经典卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.1.2深度可分离卷积等高效网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.2区域与像素级分类技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.2.1区域提议生成机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

2.2.2两阶段与单阶段检测框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.2.3像素条件随机场优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

2.3目标上下文信息融合策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.3.1上下文编码器设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

2.3.2长程依赖建模方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.4新兴网络架构探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

2.4.1Transformer在实例分割中的应用．．．．．．．．．．．．．．．．．．．．．．．35

2.4.2混合架构设计思路．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

三、基于深度学习的实例分割主流方法．．．．．．．．．．．．．．．．．．．．．．．41

3.1两阶段检测器及其改进．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

3.2单阶段检测器及其发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

3.2.1YOLO系列检测器分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

3.2.2SSD等直接回归方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

3.3Transformer驱动的实例分割技术．．．．．．．．．．．．．．．．．．．．．．．．．48

3.3.1DETR及其变种框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

3.3.2Transformer与传统检测器融合．．．．．．．．．．．．．．．．．．．．．．．．．53

3.4基于图神经网络的实例分割探索．．．．．．．．．．．．．．．．．．．．．．．．．．54

3.4.1图结构表示学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．56

3.4.2GNN在实例分割中的具体应用．．．．．．．．．．．．．．．．．．．．．．．．．．．57

四、深度学习实例分割数据集与评估指标．．．．．．．．．．．．．．．．．．．．．59

4.1公开标准数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61

4.1.1COCO数据集详解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62

4.1.2MSCOCO数据集评测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63

4.1.3其他常用数据集比较．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65

4.2评估指标体系分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67

4.2.1常用度量标准．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．68

4.2.2多尺度与跨域评估挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．71

五