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:
随着信息社会的发展,尤其是人工智能在我们日常生活中的应用也变得越来越多,图像分割以及目标检测作为计算机视觉领域的两个基础问题,应用深度学习来解决这两个基础问题也变得越来越普遍.本文在MSCOCO的数据集上使用了多任务的卷积神经网络结构,分别对图像中的物体做分割,检测以及分类.最终取得了比较好的分割检测结果.
推荐文章
基于深度学习的多媒体移动物体检测技术研究
深度学习
目标检测
自然语言
基于深度学习的短视频中的物体检测与内容推荐系统研究
深度学习
物体检测
内容推荐
Faster R-CNN
MobileNet
基于深度卷积网络的图像边缘检测方法
边缘检测
深度卷积网络
Canny算法
目标检测
基于深度学习的叶片图像分割算法
全卷积神经网络
图像分割
数据增强
植物叶片
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 基于深度学习的物体检测分割
来源期刊 电子世界 学科
关键词 目标检测 实例分割 深度学习
年,卷(期) 2018,(15) 所属期刊栏目 探索与观察
研究方向 页码范围 19-20,23
页数 3页 分类号
字数 3536字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 江宛谕 1 2 1.0 1.0
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  (1)
节点文献
引证文献  (2)
同被引文献  (2)
二级引证文献  (0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(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)
2019(1)
  • 引证文献(1)
  • 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
目标检测
实例分割
深度学习
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
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
总被引数(次)
46655
论文1v1指导