容我插一句... 文章浏览阅读2.4k次,点赞6次,收藏42次。点击上方小白学视觉， 选择加星标或置顶重磅干货，第一时间送达本文转自|极市平台 在过去的一年中，计算机视觉领域出现了许多优秀的工作，并推动了相关领域的技术发展与进步。去年上半年，极市曾盘点过计算机视觉领域综述论文，并进行了分类整理，得到了hen多读者的支持。suo以呢， 在2021年初，我们对2020年出现的quan部计算机视觉综述论文进行了分方向梳理，希望Neng帮助大家学习进步。

闹乌龙。 在过去的一年中， 计算机视觉领域出现了许多优秀的工作，并推动了相关领域的技术发展与进步。去年上半年，极市曾盘点过计算机视觉领域综述论文，并进行了分类整理，得到了hen多读者的支持。suo以呢， 在2021年初，我们对2020年出现的quan部计算机视觉综述论文进行了分方向梳理，希望Neng帮助大家学习进步。这次我们盘点了2020年5篇图像分割算法Zui佳综述。

综述一：使用深度学习进行图像分割：综述

Image Segmentation Using Deep Learning: A Survey

作者：Shervin Minaee, Demetri Terzopoulos

核心价值：系统性梳理深度学习时代图像分割技术栈

关键内容：该综述深入探讨了深度学习在图像分割领域的应用， 从基础的卷积神经网络到复杂的端到端模型，为读者提供了一个全面的技术框架，不忍卒读。。

行动清单：想学图像分割， 强烈建议从这5篇图像分割算法综述，收藏学习，可不是吗！！

核心价值：破解标注数据匮乏难题

关键内容：图像分割是图像处理中的一项关键技术， 自20世纪70年代起一直受到人们的高度重视，至今Yi提出上千种分割算法，但因尚无通用的分割理论， 我们都经历过... 现提出的分割算法大dou是针对具体问题的，并没有一种适合suo有图像的通用分割算法。再说一个，还没有制定出标准化的数据集和评估方法。

核心价值：解析Transformer如何重构分割范式

关键内容：Transformer架构在图像分割领域的应用逐渐成为热点， 本文详细解析了Transformer如何重构分割范式，为读者提供了新的研究视角，事实上...。

核心价值：从应用场景反推技术需求

站在你的角度想... 关键内容：针对不同的应用场景， 如自动驾驶、医疗影像分析等，本文从实际需求出发，反推了图像分割技术的研究方向，为技术发展提供了新的思路。

这5篇综述不仅是技术手册， geng是构建个人知识体系的地图

建议开发者图谱：比方说将《Deep Learning for Image Segmentation》中提到的，与《Transformer-based Architectures》中的自注意力进行对比分析。 官宣。 tong过这种结构化学习，您将Neng在3个月内从入门者成长为具备独立解决问题Neng力的中级开发者。

技术演进永无止境，但系统性的知识输入Neng让您始终站在变革前沿。马上开启这5篇综述的学习之旅，让您的图像分割技Neng实现质的飞跃！