[論文レビュー] Image Segmentation Algorithms Overview

Yuheng Song, Hao Yan|arXiv (Cornell University)|Jul 7, 2017

Image and Object Detection Techniques参考文献 2被引用数 128

ひとこと要約

この論文は主な画像分割アルゴリズム（領域ベース、エッジベース、クラスタリング、弱教師ありCNN）を分析・要約し、それらの利点、欠点、今後の動向を論じている。

ABSTRACT

The technology of image segmentation is widely used in medical image processing, face recognition pedestrian detection, etc. The current image segmentation techniques include region-based segmentation, edge detection segmentation, segmentation based on clustering, segmentation based on weakly-supervised learning in CNN, etc. This paper analyzes and summarizes these algorithms of image segmentation, and compares the advantages and disadvantages of different algorithms. Finally, we make a prediction of the development trend of image segmentation with the combination of these algorithms.

研究の動機と目的

• 医用画像、顔認識、歩行者検知などの分野における画像分割の重要性を動機づける。
• 現在の分割技術を体系的にレビューし、基礎原理で分類する。
• 異なるアルゴリズムファミリーの長所と短所を比較する。
• さまざまなアプローチから得られる洞察を組み合わせて発展の潜在的傾向を予測する。

提案手法

• 既存の画像分割アルゴリズムの調査と分類。
• カテゴリ間の利点と欠点を定性的に比較。
• 性能向上のためのアルゴリズムファミリー間の統合の機会を検討。

実験結果

リサーチクエスチョン

• RQ1 画像分割アルゴリズムの主なカテゴリは何か？
• RQ2 領域ベース、エッジベース、クラスタリングベース、弱教師ありCNNアプローチの比較利点と制約は何か？
• RQ3 異なる分割技術を組み合わせることでどのような発展傾向を予測できるか？

主な発見

• さまざまな分割アプローチには、医用画像や認識タスクなどのアプリケーションに関連する明確な長所とトレードオフがある。
• 領域ベース、エッジベース、クラスタリングベース、弱教師ありCNN法には、それぞれ適用性に影響を与える独自の欠点がある。
• 複数のアルゴリズムの要素を組み合わせることが、分割性能の向上に向けた道筋として示唆されている。
• 本論文は、画像分割の今後の研究を導く構造的な要約を提供する。