語義分割研究現狀

以語義分割熱門的資料集Cityscapes的精度作為參考，比較目前語義分割網絡效果：

可以通過ICNet中的這張圖來說明目前大多數方法的精度以及速度，目前MIOU超過80的有PSPNet、ResNet38、PSPNet、DUC、以及DANet最近開源的CCNet(最後兩個基于attention機制)。

最簡單的基于FCN的人臉語義分割Code：

https://github.com/HqWei/Semantic-Segmentation-with-Full-Convolutional-Neural-Network

熱門文章和Code：

PSPNet ：Pyramid Scene Parsing Network

https://github.com/hszhao/PSPNet

DeeplabV3 ：Rethinking Atrous Convolution for Semantic Image Segmentation

Paper： https://arxiv.org/abs/1706.05587

Code：https://github.com/NanqingD/DeepLabV3-Tensorflow

ICNet：ICNet for Real-Time Semantic Segmentation on High-Resolution Images

Paper: https://arxiv.org/pdf/1704.08545.pdf

Code： https://github.com/hszhao/ICNet

基于attention機制的：

CCNet： Criss-Cross Attention for Semantic Segmentation

https://github.com/speedinghzl/CCNet

DANet ： Dual Attention Network for Scene Segmentation

https://github.com/junfu1115/DANet