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:
阴影检测是基本且具有挑战性的任务.在图像的比较复杂的情况下,理解全局图像语义有助于检测阴影.因此,提出一种基于卷积神经网络(CNN)的多尺度网路(MSN),用于检测单张图像中的阴影.将同一张图像缩放到多个不同大小的图像,通过引入的Extract模块,从大尺寸图像中学习细节信息,从小尺寸图像中学习全局信息.所提出的算法在SBU和ISTD数据集上取得先进的效果.
推荐文章
基于锚框的深度学习物体目标检测算法概览
深度学习
卷积神经网络
一阶段检测
二阶段检测
数据集
分类预测
位置回归
锚框
基于深度序列加权核极限学习的入侵检测算法
深度信念网络
序列学习
核极限学习
样本加权
入侵检测
一种基于Phong物体光照模型的阴影检测算法
Phong光照模型
阴影检测
运动目标检测
智能监控
基于深度学习的入侵检测算法
深度学习
网络安全
入侵检测
卷积神经网络
可视化处理
KDD CUP99
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 基于深度学习的阴影检测算法
来源期刊 现代计算机 学科
关键词 Extract模块 MSN 阴影检测
年,卷(期) 2020,(6) 所属期刊栏目 图形图像
研究方向 页码范围 97-101,108
页数 6页 分类号
字数 3555字 语种 中文
DOI 10.3969/j.issn.1007-1423.2020.06.020
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 邢冠宇 四川大学视觉合成图形图像技术国防重点学科实验室 6 2 1.0 1.0
2 汪明章 四川大学计算机学院 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  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
Extract模块
MSN
阴影检测
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
现代计算机
旬刊
1007-1423
44-1415/TP
16开
广东省广州市
46-121
1984
chi
出版文献量(篇)
11312
总下载数(次)
39
总被引数(次)
33178
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导