深浅交错式特征融合的人体图像分割方法

• 作者: 冯寿廷 帅珍彬
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 深度学习 全卷积神经网络 特征融合 图像分割 重叠率
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 光学图像处理
• 页码范围: 613-618
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文

摘要

人体图像分割作为人体行为理解和分析的基础,但要实现精准分割及实时分割是一个巨大的难题,因此提出一种深浅交错式特征融合的全卷积神经网络的方法,应用于人体图像分割.使用全卷积神经网络的卷积层提取丰富的图像特征,对不同深度的特征图由深到浅交错式地拼接并融合.最终将融合特征图送入卷积层输出预测图像,并经过全局阈值分割得到分割结果.在百度人体图像分割数据库上进行实验,其平均覆盖率可以达到89.95％,最佳分割重叠率高达99.31％;分割一幅500×500彩色图像的平均耗时为56ms,实现较好的分割性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯寿廷		4	6	1.0	2.0
2	帅珍彬		1	0	0.0	0.0