一种多尺度CNN的图像语义分割算法

被引：36

作者：

刘丹 ^{[1
,2
]}

刘学军 ^{[3
]}

王美珍 ^{[3
]}

机构：

[1] 东华理工大学测绘工程学院

[2] 流域生态与地理环境监测国家测绘地理信息局重点实验室

[3] 南京师范大学虚拟地理环境教育部重点实验室

来源：

遥感信息 | 2017年 / 32卷 / 01期

关键词：

图像语义分割; 卷积神经网络; 多尺度技术; 超像素; 深度学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对目前多数图像语义分割方法需要人工设计图像特征的问题,借助卷积神经网络(Convolutional Neural Network,CNN)自动学习得到图像特征的优势,并综合考虑CNN的网络输入和物体上下文关系对图像语义分割结果的影响,以超像素为基本处理单元,结合多尺度技术和CNN网络设计了一种面向图像语义分割的多尺度CNN模型,并详细分析了该模型的结构以及模型推断。实验验证了所提出方法的有效性。

引用

页码：57 / 64

页数：8

共 4 条

[1] 一种双层条件随机场的场景解析方法
李艳丽
周忠
吴威
[J]. 计算机学报, 2013, 36 (09) : 1898 - 1907
[2] 条件随机场模型的场景描述
赵龙
郭立
谢锦生
[J]. 中国图象图形学报 , 2013, (03) : 271 - 276
[3] CRF learning with CNN features for image segmentation
Liu, Fayao
Lin, Guosheng
Shen, Chunhua
[J]. PATTERN RECOGNITION, 2015, 48 (10) : 2983 - 2992
[4] Harmony Potentials
Boix, Xavier
Gonfaus, Josep M.
van de Weijer, Joost
Bagdanov, Andrew D.
Serrat, Joan
Gonzalez, Jordi
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2012, 96 (01) : 83 - 102

← 1 →