面向场景解析的空间结构化编码深度网络

• 作者: 吴艳霞 布树辉 张国印 王泽宇
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 场景解析 全卷积神经网络 图模型 空间结构化编码算法 多维视觉特征 空间关系特征 混合特征
• 年，卷（期）: 2017,（12）
• 页码范围: 1928-1936
• 页数: 9页
• 分类号: TP391.413|TP18
• 字数: 7580字
• 语种: 中文
• DOI: 10.11990/jheu.201701042

摘要

为了研究有效的特征提取和精确的空间结构化学习对提升场景解析效果的作用,本文提高出基于全卷积神经网络空间结构化编码深度网络,网络内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法,算法能够比较准确地描述物体所处空间的物体分布以及物体间的空间位置关系.通过空间结构化编码深度网络,网络不仅能够提取包含多层形状信息的多维视觉特征,而且可以生成包含结构化信息的空间关系特征,从而得到更为准确表达图像语义信息的混合特征.实验结果表明:在SIFT FLOW和PASCAL VOC 2012标准数据集上,空间结构化编码深度网络较现有方法能够显著地提升场景解析的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国印	哈尔滨工程大学计算机科学与技术学院	162	1407	18.0	28.0
2	吴艳霞	哈尔滨工程大学计算机科学与技术学院	40	159	7.0	10.0
3	布树辉	西北工业大学航空学院	9	49	4.0	6.0
4	王泽宇	哈尔滨工程大学计算机科学与技术学院	7	15	2.0	3.0