熊志勇,张国丰,王江晴.基于多尺度特征提取的图像语义分割[J].中南民族大学学报自然科学版,2017,(3):118-124
基于多尺度特征提取的图像语义分割
Multi-scale Feature Extract For Image Sematic Segmentation
  
DOI:
中文关键词: 图像语义分割  多尺度特征  深度学习  卷积网络
英文关键词: image semantic segmentation  multi-scale feature  deep learning  convolution network
基金项目:国家自然科学基金资助项目(60975021)
作者单位
熊志勇,张国丰,王江晴 中南民族大学 计算机科学学院 武汉 430074 
摘要点击次数: 35
全文下载次数: 66
中文摘要:
      指出了基于深度学习的图像语义分割中,如何充分利用图像上下文信息以达到更好的分割效果, 是当前图像语义分割研究的关键问题.为解决这一问题,提出了一种基于多尺度特征提取的图像语义分割方法, 通过构建深层卷积神经网络,并利用不同尺度图像作为网络的输入来提取不同尺度图像的特征, 最后经过特征融合得到了分割图. 在公开数据集 Stanford background dataset 8 类数据集上进行训练和验证, 实验结果达到了84.33% 的准确率. 实验表明: 通过提取和融合多尺度特征,可以达到更好的图像语义分割效果.
英文摘要:
      In the semantic segmentation based on deep learning, how to make full use of the image context information to achieve better segmentation results is the key problem of image semantic segmentation. In this paper, a method of image semantic segmentation based on multi-scale feature extraction is proposed. This method extracts the features of different scale images by constructing deep convolution neural network and using different scale images as network input. Finally, a segmentation map is obtained by feature fusion. The experiments on stanford Bacground Dataset-8 veriry the effectiveness of the proposed method, and the accuracy rate is 84.33% . Experimental results show that better image semantic segmentation can be achieved by extracting and merging multiscale features.
查看全文   查看/发表评论  下载PDF阅读器
关闭