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:
针对全卷积神经网络在图像分割上易出现一些孤立的错分像素点或像素块现象,提出一种新的全卷积神经网络结构模型,并定义特征概率图约束损失函数作为本研究模型的优化目标.该损失函数衡量了图像中的像素点属于前景和背景概率的差距.同时,该模型使用新定义的损失函数与常用的交叉熵损失函数的加权组合联合训练网络模型.在肺数据集和手势数据集的实验结果表明,该网络模型可以减少部分错分的孤立像素点和孤立像素块的出现.
推荐文章
结合全卷积网络的无监督视频目标分割
视频分割
目标分割
深度特征
无监督
全卷积网络
基于全卷积神经网络的遥感图像海面目标检测
YOLOv3
全卷积神经网络
遥感图像
目标检测
基于卷积神经网络改进的图像自动分割方法
图像分割
卷积神经网络
多尺度特征融合
残差连接
三维重建
基于三维全卷积网络的肝脏和肝癌分割算法研究
肝脏分割
肝癌分割
三维全卷积网络
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 特征概率图约束全卷积网络的目标分割
来源期刊 福州大学学报(自然科学版) 学科 工学
关键词 图像分割 卷积神经网络 损失函数 像素分类
年,卷(期) 2019,(3) 所属期刊栏目
研究方向 页码范围 327-332
页数 6页 分类号 TP391.4
字数 4545字 语种 中文
DOI 10.7631/issn.1000-2243.18246
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 王美清 福州大学数学与计算机科学学院 55 204 7.0 10.0
2 陈飞 福州大学数学与计算机科学学院 23 158 5.0 12.0
3 宋健武 福州大学数学与计算机科学学院 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  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(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
卷积神经网络
损失函数
像素分类
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
福州大学学报(自然科学版)
双月刊
1000-2243
35-1117/N
大16开
福建省福州市大学新区学园路2号
34-27
1961
chi
出版文献量(篇)
4219
总下载数(次)
6
总被引数(次)
24665
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导