经典的分割：https://blog.csdn.net/xiangz_csdn/article/details/79303497
成型算法：
FC-DenseNet: Fully convolutional densenets for semanbtic segmentation. CVPRW 2017.
Random walk.
（来自SeedNet）交互式图像分割
交互方式： contour; scribble; bounding box.
成型算法： GrabCut[26]; random walks[13,16]; geodesics[5]; shape prior[30, 14]
数据集：
Pascal VOC（20类，6929图， 类别层面的标注和个体层面的标注，可做语义/实例分割）
CityScapes（30类，驾驶场景。5000精细（像素精细）标注和20000粗糙标注（大概的轮廓），两级别标注）；
MSCOCO（难度相对大。 80 类，有超过 33 万张图片，其中 20 万张有标注，整个数据集中个体的数目超过 150 万个）
数据集2：
CVPPP leaf segmentation（实例分割）
KITTI car segmentation（实例分割）
VOC
https://blog.csdn.net/weixin_38437404/article/details/78230233?locationNum=6&fps=1
Annotations:17125个对象, .xml格式的标签
ImageSets:包括action layout main segmentation四个部分的内容，是数据集中每一种类型图片的信息。
JPEGImages: 17125张jpg图片,包括训练图片和测试图片。
SegmentationClass: 分类结果，2913张png图片
SegmentationObject: 也是物体分割后的结果，总共2913张png图片。
* SegmentationClass: 标注出每一个像素的类别 ；
* SegmentationObject:: 标注出每一个像素属于哪一个物体。
https://blog.csdn.net/Cxiazaiyu/article/details/81866173
Cityscape