基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割
于倩倩; 黃文龍; 付世榮 安徽大學(xué)互聯(lián)網(wǎng)學(xué)院; 安徽合肥230601
關(guān)鍵詞：深度學(xué)習(xí) 圖像語義分割 卷積網(wǎng)絡(luò) 監(jiān)督信息
摘要：圖像語義分割是將圖像中具有語義信息的區(qū)域劃分出來并賦予相應(yīng)的語義標簽,它在自動駕駛、醫(yī)療圖像識別中有重要的應(yīng)用價值。近年來,卷積神經(jīng)網(wǎng)絡(luò)能夠提取高層的圖像特征,并通過深度網(wǎng)絡(luò)訓(xùn)練參數(shù)進行分類和識別,因此構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)(FCN)模型,通過多次卷積和池化,提取圖像中顯著的細節(jié)信息,同時忽略背景信息,通過處理有效的監(jiān)督信息來精準地提取圖像的語義信息,對圖像進行精準的語義分割。實驗驗證了該方法的有效性。
電腦與信息技術(shù)雜志要求:
{1}文中一級標題、二級標題、三級標題、四級標題的序號用“一、……”“（一）……”“1．……”“（1）……”標示。
{2}來稿不退，請自留底稿。
{3}來稿選題應(yīng)把握已有研究進展，提出所需研究的科學(xué)問題和實踐或政策意義，要有方法與理論等方面的創(chuàng)新性。
{4}關(guān)鍵詞每篇文章可選4-5個關(guān)鍵詞，請選擇能反映論文主要內(nèi)容或研究方法的詞作為關(guān)鍵詞。
{5}作者項標注姓名，單位全稱，省名加城市名，郵編，通信地址，聯(lián)系電話。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關(guān)期刊
