當前主流的圖像分割研究方向都有哪些？

01-06

剛開始學習圖像分割的內容，希望對近年來的主流研究方向有所了解~都有什麼類別呢

DeepLab

FCN+CRF

crf as rnn

DeepMask

Fully Convolutional Instance-aware Semantic Segmentation

從圖像分割、概率圖模型的發展歷程大致說一下。

大體可以根據建模的方法（圖模型，PDE模型等）不同，Local or Global模型，監督或非監督式來分類。

基於max flow/min cut的模型，建議先看看幾篇大牛綜述文章。 Vladimir Kolmogorov 和 Yuri Boykov的, 他們引用量好幾千的那幾篇。都是運籌康奈爾的Phd，然後主攻計算機視覺，圖像處理方向。他們開創了graph和MRF(markov random field) based模型和演算法--Graphcut（監督式的，2個label能保證全局最優，n個label只有近似演算法），優點是多項式時間可解。論文如下：

What energy functions can be minimized via graph cuts?Fast Approximate Energy Minimization via Graph Cuts

另外還有V.K的TRWS（Tree Reweighted Message Passing），共同點是，都基於MRF。

Convergent tree-reweighted message passing for energy minimization

了解了近20年最流行的模型和演算法以後，再跟進近幾年的最新發展，也不遲。

P.S.，我主要用混合整數規劃做global的模型，處理的數據量小一點。可以參考我們海德堡及海德堡校友開發的multicut（無監督和監督的都能建模）,能確保multi-label時候的global optimal，缺點是NP難。

Globally Optimal Image Partitioning by Multicuts

當然我所知道的，還有用PDE建模的，可以搜active contour model.

Snakes: Active Contour Models

另外最近深度學習的火起，有用CNN做分割的，以及CNN+CRF/MRF的。

Fully Convolutional Networks for Semantic Segmentation

DeepLab: Semantic Image Segmentation with Deep Convolutional

2017年summer semester，我將于海德堡大學數學與計算機系開一個組合優化的seminar，主題希望cover圖像分割graph based model20年來的發展，到時talk的slide和report都會掛在我的個人主頁，歡迎follow。

Ruobing Shen

註：下劃線標出的，都是鏈接。打不開的，請翻牆。

最後歡迎學術訪問海德堡大學組合優化實驗室，以及圖像處理中心。

運籌學、人工智慧、數據科學尋學術合作，承接工業界諮詢，歡迎訪問海德堡大學組合優化實驗室、圖像處理中心 - 知乎專欄

敬請關註： [運籌帷幄]大數據和人工智慧時代下的運籌學

去看caffe的model zoo，裡面有release的FCN的參數，這應該是目前前沿的水準了

現在有了很多新的東西，DeepLab啊什麼的，大概框架和FCN其實差不了太多

類別的話，根據層次主要分Local的，Global的，還有Semantic的。

還可以分為非監督的和人機交互的。人機交互其實主要是為了暫時彌補智能化有限的短板。

最前沿的肯定是Semantic的，能夠與機器學習理論結合，而且面向高級應用，近年頂會如CVPR有多篇相關論文出現。

但是低層次分割也很重要，對於細節和精密要求高的應用非常重要，每年也都有期刊論文。

DeepMask是目前最高水準吧

j.malik組應該還一直在做，語義分割之類的。前幾年基於mrf/crf的很多，現在也快被deep learning統治了

FCN，SSD，Deeplib等以深度學習為基礎的演算法為主流。

建議，如果是要做專有的圖像分割，這類演算法使用前要稍微慎重些。主要原因就是這些演算法都需要大量標註樣本的支持。

計算機視覺這塊比較火的是Semantic Segmentation 和 Instance Segmentation，研究的比較多的是Semantic Segmentation ，Instance Segmentation 就現在的研究現狀而言存在比較大的難度

grabcut什麼的,還有一些基於圖像顯著性的方法,這些應該是比較老的方法了吧...