購物車(0)
基于全卷積神經網絡的圖像語義分割
于倩倩; 黃文龍; 付世榮 安徽大學互聯網學院; 安徽合肥230601
關鍵詞：深度學習 圖像語義分割 卷積網絡 監督信息
摘要：圖像語義分割是將圖像中具有語義信息的區域劃分出來并賦予相應的語義標簽,它在自動駕駛、醫療圖像識別中有重要的應用價值。近年來,卷積神經網絡能夠提取高層的圖像特征,并通過深度網絡訓練參數進行分類和識別,因此構建全卷積神經網絡(FCN)模型,通過多次卷積和池化,提取圖像中顯著的細節信息,同時忽略背景信息,通過處理有效的監督信息來精準地提取圖像的語義信息,對圖像進行精準的語義分割。實驗驗證了該方法的有效性。
電腦與信息技術雜志要求:
{1}文中一級標題、二級標題、三級標題、四級標題的序號用“一、……”“（一）……”“1．……”“（1）……”標示。
{2}來稿不退，請自留底稿。
{3}來稿選題應把握已有研究進展，提出所需研究的科學問題和實踐或政策意義，要有方法與理論等方面的創新性。
{4}關鍵詞每篇文章可選4-5個關鍵詞，請選擇能反映論文主要內容或研究方法的詞作為關鍵詞。
{5}作者項標注姓名，單位全稱，省名加城市名，郵編，通信地址，聯系電話。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
