计算机工程与应用

作者：李霞, 刘俊, 朱克峰

单位：浪潮电子信息产业股份有限公司，济南 250101；

关键词：人工智能,深度学习,图像分割,Transformer模型,模型压缩

基金：山东省自然科学基金青年基金（ZR2024QF124）。

综述了基于Transformer的图像分割方法及其加速优化技术。Transformer模型以其优越的全局上下文建模能力，已在图像分割领域取得显著成就，成为主流选择。回顾了图像分割的基本原理和任务分类，介绍Transformer在这一领域的应用，包括语义分割、实例分割和全景分割；系统总结了Transformer模型在图像分割中的典型架构，如编码器-解码器架构和基于对象查询的检测与分割方法；对各类加速技术进行了深入探讨，重点介绍了剪枝、量化和知识蒸馏等压缩方法及其混合应用，强调了这些技术在提升模型效率、降低计算复杂度方面的作用和挑战。旨在为未来的研究提供理论参考，并为实际应用中的模型优化设计提供实践指导；通过全面分析与讨论，为理解基于Transformer的图像分割技术及其优化策略提供了全景视角。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期