曾文献，马月，丁宇，张淑青，李伟光

（1.河北经贸大学信息技术学院，石家庄050061；2.中国电子科技集团第五十四研究所，石家庄050081）

0 引言

语义分割如今成为计算机视觉研究的关键技术之一，通过对图像中的像素点进行分类，然后得到目标像素点的标签和位置信息，并将不同目标分割出来。早期的图像语义分割方法主要是利用人工提取一些浅层的特征，如基于边缘[1]、基于阈值[2]等。但是对于复杂的场景图片，无法达到分割的预期效果。随着深度学习的发展，基于深度学习的语义分割方法取得了突出表现，常用的深度学习语义分割网络有：卷积神经网络CNN（Convolutional Neural Network）、全卷积网络FCN（Fully Convolutional Network）[3]、循环神经网络RNN（Recurrent Neural Network）和对抗神经网络GAN（Gen⁃erative Adversarial Network）[4]等。后来出现的基于FCN、RNN和GAN等改进的方法，与早期方法相比不管是准确率还是速度上都有了很大的提高。本文针对基于深度学习的图像语义分割方法进行了归纳总结，对图像语义分割方法进行了分类讨论和性能对比，并对今后的发展趋势进行了总结。

1 基于全监督学习的语义分割方法

图像语义分割方法主要是基于全监督学习方法，全监督语义分割方法使用像素级标签数据进行网络训练，训练样本提供了大量的细节信息和局部特征，有助于提高网络的分割效果。

1.1 基于改进的FCN的方法

基于候选区域的方法在语义分割方面虽然取得了一定的成果，但是容易丢失图像中小目标信息，直接影响图像语义分割效果。2014年，文献[3]提出的FCN，可以输入任意尺寸的图像。……