作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近些年社交网络的普及,以及大规模自动驾驶的应用,人们可以越来越方便的获得更加有效的数据.另外随着深度学习在计算机视觉方面的大规模运用,利用深度学习进行图像分割显得越来切合实际.本文使用了百度提供的数据,分别使用多种网络对图像进行分割,并使用了迁移学习的方法,最终对图像获得了比较准确的分割效果.
推荐文章
基于深度学习的医学图像分割研究进展
医学图像分割
深度学习
卷积神经网络
综述
基于深度学习的SEM纤维图像分割方法研究
纤维材料
纤维图像分割
Mask R-CNN
深度学习
基于深度学习的油菜籽粒图像分割方法初探
油菜
籽粒
图像分割
特征提取
深度学习
基于深度学习算法的脑肿瘤CT图像特征分割技术改进
深度学习算法
脑肿瘤CT图像
特征分割技术
多模态3D-CNN
SAE结构
数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用深度学习进行图像分割
来源期刊 中国设备工程 学科 工学
关键词 图像分割 深度学习 分割效果
年,卷(期) 2018,(23) 所属期刊栏目 监测与诊断
研究方向 页码范围 79-81
页数 3页 分类号 TP181
字数 3728字 语种 中文
DOI 10.3969/j.issn.1671-0711.2018.23.032
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像分割
深度学习
分割效果
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国设备工程
半月刊
1671-0711
11-4623/N
大16开
北京市西城区月坛北小街2号院1号楼3层海运国际酒店二层
82-374
1985
chi
出版文献量(篇)
21366
总下载数(次)
45
总被引数(次)
19871
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导