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:
针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法.使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证.实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果.
推荐文章
基于IETM的图像类装备保障数据语义标注研究
IETM
装备保障数据
图像语义标注
图模型
基于深度卷积神经网络的弱监督图像语义分割
语义分割
深度卷积神经网络
弱监督语义分割
图像标注
图像语义标注中的叙词查询方法
语义标注
叙词查询
图像检索
基于多特征融合的图像语义标注
基于内容的图像检索
多特征融合
支持向量机
图像语义标注
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 对象边框标注数据的弱监督图像语义分割
来源期刊 国防科技大学学报 学科 工学
关键词 图像语义分割 全卷积网络 弱监督模型 GrabCut算法
年,卷(期) 2020,(1) 所属期刊栏目 信息与通信工程· 物理学· 计算机科学与技术
研究方向 页码范围 187-193
页数 7页 分类号 TP391
字数 4898字 语种 中文
DOI 10.11887/j.cn.202001026
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 周浩 国防科技大学系统工程学院 6 5 2.0 2.0
2 徐树奎 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  (15)
共引文献  (13)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
图像语义分割
全卷积网络
弱监督模型
GrabCut算法
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
国防科技大学学报
双月刊
1001-2486
43-1067/T
大16开
湖南省长沙市开福区德雅路109号
42-98
1956
chi
出版文献量(篇)
3593
总下载数(次)
5
总被引数(次)
31889
论文1v1指导