深度学习在视频对象分割中的应用与展望
深度学习在视频对象分割中的应用与展望
复制标题
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
何英
中科院分区：
文献类型：
--
作者：
陈加;陈亚松;李伟浩;田元;刘智;何英
视频对象分割是指在给定的一段视频序列的各帧图像中，找出属于特定前景对象的所有像素点位置区域。随着硬件平台计算能力的提升，深度学习受到了越来越多的关注，在视频对象分割领域，也取得了一定的进展。本文首先介绍了视频对象分割的主要任务，并总结了该任务所面临的挑战。其次，对开放的视频对象分割常用数据集进行了简要概述，并介绍了通用的性能评估标准。接着，综述了视频对象分割的研究现状，详细地分析了当前的各种方法，并将它们划分为三大类：半监督的方法，即给出视频第一帧图像中感兴趣对象的详细人工真值标注，分割出视频剩余图像中的感兴趣对象；无监督的方法，即不给任何人工标注信息，自动识别并分割出视频中的前景对象；交互式的方法，即在分割过程中，通过人工交互式的参与，结合粗略的人工标注先验信息，进行视频对象分割。第三类方法的条件相当于前两者的折中：相对于第一类方法，它虽然需要人工的参与，但只需要少量的标注工作量；相对于第二类方法， 它给视频序列中某些帧的图像适当地添加了一些人工标注信息，从而更具针对性。最后，对深度学习在视频对象分割任务中的应用，进行了总结和展望。