【摘要】针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。
【关键词】
《建筑知识》 2015-05-12
《中国医疗管理科学》 2015-05-12
《中国医疗管理科学》 2015-05-12
《中国医疗管理科学》 2015-05-12
《中国铸造装备与技术》 2015-07-06
《重庆与世界》 2015-07-01
《数字家庭》 2015-07-03
《现代制造技术与装备》 2015-06-25
010-56259535
关注中教数据库
Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved
个人中心
退出
发表评论
登录后发表评论 (已发布 0条)点亮你的头像 秀出你的观点