一种多尺度CNN的图像语义分割算法

• 作者: 刘丹 刘学军 王美珍
• 来源期刊: 遥感信息
• 学科: 地球科学
• 关键词: 图像语义分割 卷积神经网络 多尺度技术 超像素 深度学习
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 遥感技术
• 页码范围: 57-64
• 页数: 8页
• 分类号: P237
• 字数: 5868字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3177.2017.01.011

摘要

针对目前多数图像语义分割方法需要人工设计图像特征的问题,借助卷积神经网络(Convolutional Neural Network,CNN)自动学习得到图像特征的优势,并综合考虑CNN的网络输入和物体上下文关系对图像语义分割结果的影响,以超像素为基本处理单元,结合多尺度技术和CNN网络设计了一种面向图像语义分割的多尺度CNN模型,并详细分析了该模型的结构以及模型推断.实验验证了所提出方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王美珍	南京师范大学虚拟地理环境教育部重点实验室	20	180	8.0	12.0
2	刘学军	南京师范大学虚拟地理环境教育部重点实验室	110	2264	26.0	44.0
3	刘丹	东华理工大学测绘工程学院	3	35	1.0	3.0