本文主要总结整理一些「图像分割」的深度卷积神经网络和我遇到的一些问题。
前言
以下总结按照时间先后顺序来介绍深度卷积神经网络在图像分割领域的发展。其中本人用得最多的是基于UNet的框架结构，尤其在医学图像领域，UNet的一些列衍生变形结构可以取得很不错的效果。关于UNet系列的代码以及其效果对比，欢迎参见本人的Github Repo：UNet Family。
分割网络发展史
传统方法：
基于统计
基于几何
基于CNN：
基于候选区域
基于全卷积：
1）基于全卷积的对称语义分割模型：FCN，SegNet，UNet；
2）基于全卷积的扩张卷积语义分割模型：DeepLab，RefineNet；
3）基于全卷积的残差网络语义分割模型：PSPNet；
4）基于全卷积的GAN语义分割模型
弱监督学习