作者:
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:
近年来,深度学习已广泛应用在计算机视觉中,涵盖了图像分割、特征提取以及目标识别等方面,其中图像分割问题一直是一个经典难题.本文主要对基于深度学习的图像分割技术的方法和研究现状进行了归纳总结,并就深度学习的图像处理技术进行详细讨论,主要从4个角度讨论处理图像分割的方法,最后对图像分割领域的技术发展做了总结.
推荐文章
基于深度学习的医学图像分割研究进展
医学图像分割
深度学习
卷积神经网络
综述
基于深度学习算法的脑肿瘤CT图像特征分割技术改进
深度学习算法
脑肿瘤CT图像
特征分割技术
多模态3D-CNN
SAE结构
数据集
基于深度学习的SEM纤维图像分割方法研究
纤维材料
纤维图像分割
Mask R-CNN
深度学习
基于深度学习的油菜籽粒图像分割方法初探
油菜
籽粒
图像分割
特征提取
深度学习
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 基于深度学习的图像分割技术分析
来源期刊 信息与电脑 学科
关键词 深度学习 图像分割 深度网络
年,卷(期) 2020,(23) 所属期刊栏目 算法语言
研究方向 页码范围 68-69
页数 2页 分类号 TP391.4
字数 语种 中文
DOI 10.3969/j.issn.1003-9767.2020.23.024
五维指标
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  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (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)
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
深度学习
图像分割
深度网络
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
信息与电脑
半月刊
1003-9767
11-2697/TP
北京市东城区北河沿大街79号
chi
出版文献量(篇)
16624
总下载数(次)
72
总被引数(次)
19907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导