关注微信微信官方账号：人工智能前沿讲座，重磅干货，第一时间送达。

图像分割是计算机视觉领域最经典的研究问题之一，至今仍受到学术界和工业界的高度重视。所谓图像分割，是指根据图像的灰度、颜色、纹理、形状等特征，将图像分成若干个互不重叠的区域，并使这些特征在同一区域内表现出相似性，而在不同区域间表现出明显的差异性。目前研究者最关注的主要研究方向有三个：

语义分割，实例分割，全景分割，编辑向读者推荐GitHub网站上Mr cloud的awesome-semantic-segmentation项目：

https://github.com/mrgloom/awesome-semantic-segmentation,不仅收集语义分割的各种信息，还包括实例分割、医学图像分割和卫星图像分割的信息。可谓是图像分割领域的一次全面的数据总结，主要包括以下内容：

语义分割实例分割半监督分割RNN和GAN图模型常用数据集基准标注工具评价指标和损失函数医学图像分割卫星图像分割视频分割自动驾驶.

语义分割

主要有：U网、SegNet、DeepLab系列、FCN、ENet、ICNet、ShelfNet、BiseNet、DFN、CCNet网络。

实例分割

主要有：FCIS，DeepMask，Mask R-CNN，PANet。

RNN和GANs

主要有ReNet、ReSeg、RIS、CRF-RNN、pix2pixHD、Probalistic Unet等型号。

图模型

010-350003

常用数据集

主要包括COCO、KITTI、ApolloScape等数据集。

Benchmarks

标注工具

提供了几个非常好用的图像分割的数据标注工具，比如LabelMeAnnotationTool和labelImgPlus。

医疗图像分割

提供非常丰富的内容包括数据集、网络模型、各种深度学习框架下的实现、论文等等。

卫星图像分割

视频分割

这部分提供的信息不多。

自动驾驶

提供了几个比较新的自动驾驶领域图像分割相关的开源项目，都很不错。

点击下图了解课程详情。

面部分析