论文总结和展望

本文提出了一种基于深度学习的图像分割方法，该方法利用多尺度编码器-解码器（MSC-Net）来改进传统的图像分割方法。MSC-Net使用卷积神经网络对输入图片进行特征提取，然后将特征映射到不同的尺度上，从而实现多尺度信息的重复性。在实验中，我们评估了MSC-Net在PASCAL VOC 2012数据集上的性能。实验表明，我们所提出的方法可以有效地实施图像分割任务。 未来工作将集中在两个方面: 一是开发新的神经网路体, 加强MSC-Net对不同形态、大小、位姿、光学变化物体语义理解能力; 二是考虑使用其他数据集, 来测试并扩大MSC-Net适用性.