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:
随着互联网社会的发展,人类的生活方式也在发生着天翻地覆的变化,网络中出现了大量的图片,另外随着深度学习的迅速发展,利用深度学习进行图像分割任务在最近几年也出现了大量的研究结果.本文使用百度提供的部分分割数据集,分别使用多种模型对图像进行分割,并使用了迁移学习的方法,提高模型的准确率,最终对图像进行了比较有效的分割.
推荐文章
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
基于深度学习网络PSP-NET的前列腺MR图像的分割
磁共振成像
前列腺图像分割
网络训练
深度学习
PSP-NET
临床诊断
基于深度学习的木材缺陷图像检测方法
深度学习
卷积神经网络
区域建议网络
木材缺陷图像
CV
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 电子世界 学科
关键词 图像分割 深度学习
年,卷(期) 2018,(10) 所属期刊栏目 探索与观察
研究方向 页码范围 32-33
页数 2页 分类号
字数 3280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 李家栋 1 0 0.0 0.0
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
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)
研究主题发展历程
节点文献
图像分割
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