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:
目前对视频语义分割的研究主要分为两方面,一是如何利用视频帧之间的时序信息提高图像分割的精度;二是如何利用视频帧之间的相似性确定关键帧,减少计算量,提升模型的运行速度.在提升分割精度方面一般设计新的模块,将新模块与现有的CNNs结合;在减少计算量方面,利用帧序列的低层特征相关性选择关键帧,同时减少操作时间.本文首先介绍视频语义分割的发展背景与操作数据集Cityscapes、CamVid;其次,介绍现有的视频语义分割方法;最后总结当前视频语义分割的发展情况,并对未来的发展给出一些展望和建议.
推荐文章
基于深度学习的语义分割算法综述
深度学习
语义分割
全卷积网路
编码器-解码器算法
整合上下文信息算法
深度学习语义分割方法在遥感影像分割中的性能分析
遥感影像
深度学习
语义分割
总体精度
迁移学习
图像语义分割深度学习模型综述
深度学习
语义分割
PASCAL VOC
卷积神经网络
基于深度网络的图像语义分割综述
图像语义分割
深度卷积神经网络
候选区域
全卷积网络
弱监督学习
PASCAL VOC 2012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 基于深度学习的视频语义分割综述
来源期刊 计算机系统应用 学科
关键词 语义分割 视频语义分割 关键帧 数据集 Cityscapes CamVid 深度学习
年,卷(期) 2019,(12) 所属期刊栏目 专论·综述
研究方向 页码范围 1-8
页数 8页 分类号
字数 7170字 语种 中文
DOI 10.15888/j.cnki.csa.007195
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 孟朝晖 河海大学计算机与信息学院 34 93 6.0 7.0
2 韩利丽 河海大学计算机与信息学院 1 1 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  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 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)
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
语义分割
视频语义分割
关键帧
数据集
Cityscapes
CamVid
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
论文1v1指导