بررسی پیشرفت های تکامل یافته در زمینه تقطیع تصاویر در وب معنایی

قطعه بندی تصاویر در وب معنایی که به یکی از برنامه های مهم در پردازش تصویر و حوزه بینایی ماشین است، در دامنه های مختلفی از جمله حوزه پزشکی و حمل و نقل هوشمند مورد استفاده قرار گرفته است. تعداد زیادی از مجموعه داده ها برای محققان منتشر می شوند تا الگوریتم های خود را تایید کنند. قطعه بندی تصاویر در وب معنایی، سال ها مورد مطالعه قرار گرفته است. از زمان ظهور شبکه عصبی عمیق، قطعه بندی پیشرفت فوق العاده ای داشته است. در این مقاله، به تقسیم کردن روش قطعه بندی تصاویر در وب معنایی به دو دسته پرداخته می شود که شامل روش شبکه عصبی عمیق و روش های سنتی پیشین است. در مرحله اول، به طور خلاصه روش سنتی و همچنین مجموعه داده های منتشر شده برای قطعه بندی مرور می شود، سپس روش های اخیر مبتنی بر شبکه عصبی عمیق به طور کامل در هشت جنبه بررسی می شود که شامل شبکه تماما کانولوشن، روش های نمونه برداری، اتصال دهنده FCN با روش های CRF، رویکردهای توسعه یافته شبکه عصبی کانولوشن، پیشرفت ها در ساختار شبکه ها، روش های پیرامید یا هرمی، روش های چند مرحله ای و چند ویژگی، روش های نظارت شده، روش های نیمه نظارتی و روش های غیر نظارتی است. در انتها نیز یک نتیجه گیری کلی در زمینه به کارگیری پیشرفت های تکامل یافته مبتنی بر اصول شبکه های عصبی عمیق در تقطیع تصاویر در وب معنایی ارائه می گردد.