综述论文翻译：A Review on Deep Learning Techniques Applied to Semantic Segmentation

经典综述论文框架式笔记

A Review on Deep Learning TechniquesApplied to Semantic Segmentation 2018-02-2210:38:12 1. Introduction： 　　语义分割是计算机视觉当中非常重要的一个课题，其广泛的应用于各种类型的数据，如：2D image，video，and even 3D or volumetr...

Introduction Terminology and Background Concepts 1 Common Deep Network Architectures AlexNet VGG-16 GoogLeNet ResNet ReNet 2 Transfer Learning 3 Data Preprocessing and Augmentation Datasets and Ch

深度学习技术在语义分割中的应用综述 摘要 这篇文章主要是对各种应用场景下，使用深度学习进行语义分割的方法的综述。论文中介绍的主要方面包括： 1）该领域的术语和必要的背景知识 2）主要数据集和竞赛的介绍，帮助研究者选择最适合他们的数据集 3）回顾现有方法，还有这些方法的贡献和重要性 4）以上方法和数据集对应的测试结果和评价 5）未来研究方向以及从当前最优的使用深度学习的语义分割技术得到

基本情况 2017年4月份的文章.深度学习技术在语义分割中的应用综述，能写综述性质文章的都是大神，并且本文可以说是深度学习进行语义分割的第一本综述.本文正文有20页，参考文献有114篇，含28个数据集和27种方法. Abstract 综述性质的文章，本文首先描述了这个领域的一些专业术语和基本概念；接下来，介绍了主要的数据集和竞赛；然后回顾了存在的方法，强调了这些方法的主要贡献；最后，...

reference本文的组织结构如下 解译语义分割问题； 综述一些语义分割的方法； 概述一些重要的论文。

http://www.nature.com/nature/journal/v521/n7553/pdf/nature14539.pdfAbstract：DL允许多个处理层的计算机模型来学习具有多层次抽象的数据表示。这些方法改善了愈多方面，包括语音识别，视觉对象识别，对象检测和其他领域，像药物发现和基因学等。DL能发现大数据中的复杂结构通过使用BP算法来指导机器如何从前一层获取误差而改变本层内部参数，

本文记录了博主阅读的关于语义分割（Semantic Segmentation）的综述类文章的笔记，更新于2019.02.15。 文章目录参考文献网址A 2017 Guide to Semantic Segmentation with Deep Learning什么是语义分割（Semantic Segmentation）常用方法汇总FCNSegNet 参考文献网址 Qure.ai Blog: A ...

参考地址：http://www.cnblogs.com/Jie-Liang/archive/2017/06/29/6902375.html 文章：https://arxiv.org/pdf/1704.06857.pdf 1、迁移学习——从之前训练好的网络开始继续训练，然后在训练过程中微调模型权重值。好处：避免大量计算，迁移特征比随机初始化训练的特征要好。 方法：1、使用现有的网络架构或网络组...

本文为论文阅读笔记，不当之处，敬请指正。 A Review on Deep Learning Techniques Applied to Semantic Segmentation:原文链接 5.1度量标准 为何需要语义分割系统的评价标准？ 为了衡量分割系统的作用及贡献，其性能需要经过严格评估。并且，评估须使用标准、公认的方法以保证公平性。 系统的多个方面需要被测试以评估其有效性，

本文对图像语义分割近年来的主要发展做一个综述性的介绍。 翻译了以下两篇博文，并进行了整合。 https://www.jeremyjordan.me/semantic-segmentation/  http://blog.qure.ai/notes/semantic-segmentation-deep-learning-review 语义分割的定义 语义分割是计算机视觉中十分重要的领域，它是...