单阶段实例分割——从局部到整体的网络结构研究综述

单阶段实例分割是近年来深度学习领域的研究热点，其通过将目标检测和目标分割并行的方式实现图像的实例级分割，该方法目前已被广泛应用于图像目标分割领域。首先，阐述了单阶段实例分割基本原理。然后，从局部和整体2个方面对单阶段实例分割的网络结构进行梳理，在局部网络结构方面，从特征提取、特征融合、特征预测3个方面进行归纳，其中，在特征预测部分，按照有锚框到无锚框的思路对目标边界框的生成方式进行分类，按照全局掩膜到局部掩膜的思路对目标掩膜的表示方式进行分类，全局掩膜包括原型系数方法、目标位置方法和目标边界方法，局部掩膜包括目标轮廓方法、目标位置方法和目标特征方法；在整体网络结构方面，对22个主流的网络结构进行总结。接着，归纳了单阶段实例分割在医学图像分割、视频图像分割、遥感图像分割等应用领域的发展现状。最后，对单阶段实例分割的发展方向进行展望。