本文综述了关于图像分割的研究，特别关注了基于深度学习模型的语义分割和实例分割方法，包括全卷积像素标定网络、编码器 - 解码器架构、多尺度与基于金字塔的方法、循环神经网络、视觉注意力模型和对抗生成模型。我们探讨了这些深度学习模型的相似性，能力和挑战，并讨论了未来的研究方向。

Jan, 2020

本研究从分析角度探讨深度学习技术在图像分割领域的应用，以提升读者对各种图像分割方法内部机理的直观理解。

Jul, 2019

本篇论文介绍了计算机视觉中图像分割的研究进展及方法，概述了底层的分割方法和最近发展的超像素、交互式方法、对象提案、语义图像解析和图像共分割，并对现有的数据集和评价指标进行了评估和总结，最后提出了面向未来研究的设计方向和研究方向。

Feb, 2015

该研究综述了像素级语义分割的不同技术，讨论了分割算法的评估指标和数据集，包括非监督方法、决策森林和支持向量机等传统方法，介绍了基于卷积神经网络的最近出版的方法，并讨论了分割算法的典型问题。此外给出了分割算法的分类。

Feb, 2016

该论文综述了应用于各种应用领域的基于深度学习技术的图像语义分割方法，描述了该领域的术语和必要的背景概念，并评估了现有方法的贡献和意义，并给出了相应的定量结果和讨论。

Apr, 2017

本研究提出了一种基于抽象模型的语义分割框架，分析了不同方法中的四个抽象块在实现语义分割中的重要性，旨在提高语义分割的准确性和效率。

Dec, 2019

该综述介绍了使用复杂网络进行图像分割的各种方法。图像分割是图像分析中的重要步骤，有助于分析和理解复杂图像。先前尝试根据使用复杂网络的方式对其进行分类，并结合机器学习、聚类、边缘检测和区域增长技术等高级算法进行图像分割。图论原理与基于社区检测的方法相结合，可以更精确地分析和解释复杂图像。混合方法结合多种技术进行全面、强健的分割，在计算机视觉和图像处理任务中改善结果。

Jan, 2024

本文对基于深度学习的医学和非医学图像分割解决方案进行归类，并从六个主要类别 —— 深度架构、数据合成、损失函数、顺序模型、弱监督和多任务方法对其进行综合性评估。进一步地，对于每一组，我们分析了这些组合的每一个变种，并讨论了当前方法的局限性和未来研究方向。

Oct, 2019

在这篇论文中，我们对近年来最具代表性的四种医学图像分割模型进行了调查。我们从理论上分析了这些模型的特点，并在两个基准数据集（结核病胸部 X 射线和卵巢肿瘤）上定量评估了它们的性能。最后，我们讨论了医学图像分割领域的主要挑战和未来趋势。我们的工作可以帮助相关领域的研究人员快速建立针对特定区域的医学分割模型。

Aug, 2023

本文综述了基于深度卷积神经网络的语义分割、实例分割、全景分割模型的发展历程、架构细节、超参数调整和性能表现，并对不同数据集上的性能进行了比较。

Jan, 2020