基于深度学习的图像语义分割技术研究进展OA北大核心CSCDCSTPCD
Research on Progress of Image Semantic Segmentation Based on Deep Learning
自FCN网络在2014年提出后,SegNet、DeepLab等一系列关于图像语义分割的深度学习架构被相继提出.与传统方法相比,这些架构效果更好、运算速度更快,已经能够运用于自然图像的分割处理.围绕图像语义分割技术,对常用的数据集和典型网络架构进行了梳理分析,对2017年以来的新进展进行了综合研究,利用主流评价指标对主要模型的语义分割效果进行了比较和分析.对语义分割技术面临的挑战以及可能的发展趋势进行了展望.
梁新宇;罗晨;权冀川;肖铠鸿;高伟嘉
陆军工程大学 指挥控制工程学院,南京 210007陆军工程大学 指挥控制工程学院,南京 210007陆军工程大学 指挥控制工程学院,南京 210007陆军工程大学 通信工程学院,南京 210007中国人民解放军68023部队
信息技术与安全科学
深度学习图像分割语义分割
《计算机工程与应用》 2020 (2)
18-28,11
评论