深度学习在视频对象分割中的应用及相关研究

视频对象分割是指在给定的一段视频序列的各帧图像中，找岀属于特定前景对象的所有像素点位置区域。随着硬件平台计算能力的提升，深度学习受到了越来越多的关注，在视频对象分割领域也取得了一定的进展本文首先介绍了视频对象分割的主要任务，并总结了该任务所面临的挑战。其次，对开放的视频对象分割常用数据集进行了简要概述，并介绍了通用的性能评估标准。接着，综述了视频对象分割的研究现状，详细地分析了当前的各种方法，并将它们划分为三大类：半监督的方法，即给出视频第一帧图像中感兴趣对象的详细人工真值标注，分割出视频剩余图像中的感兴趣对象;无监督的方法，即不给任何人工标注信息，自动识别并分割出视频中的前景对象;交互式的方法，即在分割过程中，通过人工交互式的参与，结合粗略的人工标注先验信息，进行视频对象分割第三类方法的条件相当于前两者的折中：相对于第一类方法，它虽然需要人工的参与，但只需要少量的标注工作量;相对于第二类方法，它给视频序列中某些帧的图像适当地添加了一些人工标注信息，从而更具针对性。最后，对深度学习在视频对象分割任务中的应用，进行了总结和展望。