期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Gabor特征与卷积神经网络的人体轮廓提取
被引量:
11
1
作者
王林
董楠
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2018年第1期89-95,共7页
为解决传统方法无法精确分割单幅图像中人体轮廓的问题,提出一种将Gabor小波特征与卷积神经网络结合的人体轮廓提取方法。首先计算人体图像8个方向的Gabor特征,并将计算结果传入改进的卷积神经网络进行人物模型训练;再将待测图像计算Ga...
为解决传统方法无法精确分割单幅图像中人体轮廓的问题,提出一种将Gabor小波特征与卷积神经网络结合的人体轮廓提取方法。首先计算人体图像8个方向的Gabor特征,并将计算结果传入改进的卷积神经网络进行人物模型训练;再将待测图像计算Gabor特征后传入人物模型进行检测,从而输出人物掩膜;对掩膜进行形态学处理并同原图像进行相与操作,最终得到人体轮廓。经VOC2012数据集上测试,该人体轮廓提取方法的准确度高达96%。实验结果表明,通过将传统特征提取方法与深度学习的特征学习方法相结合,不但提高了特征学习的速度还提高了检测的准确度。
展开更多
关键词
人体轮廓提取
GABOR特征
卷积神经网络
图像处理
深度学习
voc2012
数据集
下载PDF
职称材料
结合跳跃连接的残差网络图像语义分割
被引量:
1
2
作者
刘卫铭
辛月兰
姜星宇
《信息技术》
2020年第6期5-9,共5页
为解决图像语义分割中感知细节部分的能力较弱、分割结果粗糙的问题。首先利用深度残差网络-101取代完全卷积网络中的VGG-16;然后在conv3和conv4采用跳跃连接结构对上采样结果进行优化;最后以8倍上采样获得最终分割结果。实验使用PASCAL...
为解决图像语义分割中感知细节部分的能力较弱、分割结果粗糙的问题。首先利用深度残差网络-101取代完全卷积网络中的VGG-16;然后在conv3和conv4采用跳跃连接结构对上采样结果进行优化;最后以8倍上采样获得最终分割结果。实验使用PASCAL VOC2012数据集,从定性和定量两方面进行实验对比,实验表明所提出的方法平均IOU由67.3%提升至69.8%,并由测试结果显示改进的网络使得分割不同语义区域的边界明确且规整,提高了分割精度。
展开更多
关键词
深度卷积神经网络
图像语义分割
深度残差网络
PASCAL
voc2012
下载PDF
职称材料
题名
基于Gabor特征与卷积神经网络的人体轮廓提取
被引量:
11
1
作者
王林
董楠
机构
西安理工大学自动化与信息工程学院
出处
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2018年第1期89-95,共7页
基金
陕西省科技计划重点项目(2017ZDCXL-GY-05-03)
文摘
为解决传统方法无法精确分割单幅图像中人体轮廓的问题,提出一种将Gabor小波特征与卷积神经网络结合的人体轮廓提取方法。首先计算人体图像8个方向的Gabor特征,并将计算结果传入改进的卷积神经网络进行人物模型训练;再将待测图像计算Gabor特征后传入人物模型进行检测,从而输出人物掩膜;对掩膜进行形态学处理并同原图像进行相与操作,最终得到人体轮廓。经VOC2012数据集上测试,该人体轮廓提取方法的准确度高达96%。实验结果表明,通过将传统特征提取方法与深度学习的特征学习方法相结合,不但提高了特征学习的速度还提高了检测的准确度。
关键词
人体轮廓提取
GABOR特征
卷积神经网络
图像处理
深度学习
voc2012
数据集
Keywords
human silhouette identification
Gabor feature
convolutional neural network
picture pro- cessing
deep learning
voc2012
data set
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
结合跳跃连接的残差网络图像语义分割
被引量:
1
2
作者
刘卫铭
辛月兰
姜星宇
机构
青海师范大学物理与电子信息工程学院
出处
《信息技术》
2020年第6期5-9,共5页
基金
国家自然科学基金项目(61662062)
青海省自然科学基金项目(2016-ZJ-745)。
文摘
为解决图像语义分割中感知细节部分的能力较弱、分割结果粗糙的问题。首先利用深度残差网络-101取代完全卷积网络中的VGG-16;然后在conv3和conv4采用跳跃连接结构对上采样结果进行优化;最后以8倍上采样获得最终分割结果。实验使用PASCAL VOC2012数据集,从定性和定量两方面进行实验对比,实验表明所提出的方法平均IOU由67.3%提升至69.8%,并由测试结果显示改进的网络使得分割不同语义区域的边界明确且规整,提高了分割精度。
关键词
深度卷积神经网络
图像语义分割
深度残差网络
PASCAL
voc2012
Keywords
deep convolutional neural network
Image semantic segmentation
ResNet
PASCAL
voc2012
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Gabor特征与卷积神经网络的人体轮廓提取
王林
董楠
《南京理工大学学报》
EI
CAS
CSCD
北大核心
2018
11
下载PDF
职称材料
2
结合跳跃连接的残差网络图像语义分割
刘卫铭
辛月兰
姜星宇
《信息技术》
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部