基于全卷积神经网络的图像语义分割

• 作者: 于倩倩 付世荣 黄文龙
• 来源期刊: 电脑与信息技术
• 学科: 工学
• 关键词: 深度学习 图像语义分割 卷积网络 监督信息
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图形图像识别处理技术
• 页码范围: 16-18,21
• 页数: 4页
• 分类号: TP391.41
• 字数: 1295字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-1228.2019.05.005

摘要

图像语义分割是将图像中具有语义信息的区域划分出来并赋予相应的语义标签,它在自动驾驶、医疗图像识别中有重要的应用价值.近年来,卷积神经网络能够提取高层的图像特征,并通过深度网络训练参数进行分类和识别,因此构建全卷积神经网络(FCN)模型,通过多次卷积和池化,提取图像中显著的细节信息,同时忽略背景信息,通过处理有效的监督信息来精准地提取图像的语义信息,对图像进行精准的语义分割.实验验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于倩倩	安徽大学互联网学院	1	0	0.0	0.0
2	黄文龙	安徽大学互联网学院	1	0	0.0	0.0
3	付世荣	安徽大学互联网学院	1	0	0.0	0.0