作者单位
摘要
华南师范大学 物理与电信工程学院, 广东 广州 510006
人体图像分割作为人体行为理解和分析的基础, 但要实现精准分割及实时分割是一个巨大的难题, 因此提出一种深浅交错式特征融合的全卷积神经网络的方法, 应用于人体图像分割。使用全卷积神经网络的卷积层提取丰富的图像特征, 对不同深度的特征图由深到浅交错式地拼接并融合。最终将融合特征图送入卷积层输出预测图像, 并经过全局阈值分割得到分割结果。在百度人体图像分割数据库上进行实验, 其平均覆盖率可以达到89.95%, 最佳分割重叠率高达99.31%; 分割一幅500×500彩色图像的平均耗时为56ms, 实现较好的分割性能。
深度学习 全卷积神经网络 特征融合 图像分割 重叠率 deep learning fully convolution neural network feature fusion image segmentation overlap rate 
光学技术
2020, 46(5): 613
作者单位
摘要
1 中国矿业大学环境与测绘学院, 江苏 徐州 221116
2 国家测绘地理信息局卫星测绘应用中心, 北京 100048
针对目前遥感影像分类应用中常用的浅层机器学习算法无法满足当前海量遥感影像数据环境下分类精度的问题,提出了一种将全卷积神经网络应用于遥感影像分类的方法;为了减少影像特征图在池化过程中自身特征的丢失,增加池化层与反卷积层的融合;为了提高融合的可靠性,增加尺度变换层;为了获得更精细的边缘分类结果,考虑像素之间的空间相关性,采用均值漂移聚类分割获取像素的空间关系,通过统计聚类区域像素概率的和最大、方差最小的方法确定该区域对象的类别;选取典型地区的影像进行分类实验,并将所提出的分类方法与全卷积神经网络、支持向量机、人工神经网络方法进行对比。结果表明,所提出的分类方法的精度明显高于传统机器学习方法的精度。
遥感 影像分类 全卷积神经网络 高分辨率影像 均值漂移分割 反卷积融合 
激光与光电子学进展
2018, 55(2): 022802

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!