本文關(guān)鍵詞：基于DCNN的圖像語義分割綜述　出處：《北京交通大學(xué)學(xué)報》2016年04期 　論文類型：期刊論文

  更多相關(guān)文章： 圖像語義分割 深度學(xué)習(xí) 深度卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：圖像的語義分割是計算機(jī)視覺中重要的基本問題之一,其目標(biāo)是對圖像的每個像素點(diǎn)進(jìn)行分類,將圖像分割為若干個視覺上有意義的或感興趣的區(qū)域,以利于后續(xù)的圖像分析和視覺理解.近年來,深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolutional Neural Network,DCNN)的出現(xiàn),極大地推動了語義分割的發(fā)展.本文從語義分割的基本定義出發(fā),對語義分割中存在的困難和挑戰(zhàn)進(jìn)行了分析和描述.總結(jié)了目前用于評測語義分割算法的典型數(shù)據(jù)庫,并以PASCAL VOC數(shù)據(jù)庫為主線對近年來基于DCNN的語義分割算法進(jìn)行了梳理和總結(jié).最后對語義分割未來的研究重點(diǎn)進(jìn)行了探討和預(yù)測.
[Abstract]:Image semantic segmentation is one of the important basic problems in computer vision. Its goal is to classify each pixel of the image and divide the image into several visually meaningful or interesting areas. In order to facilitate subsequent image analysis and visual understanding, in recent years, deep convolution neural network deep Convolutional Neural Network. The emergence of DCNN has greatly promoted the development of semantic segmentation. This paper starts from the basic definition of semantic segmentation. The difficulties and challenges in semantic segmentation are analyzed and described, and the typical databases used to evaluate semantic segmentation algorithms are summarized. Taking PASCAL VOC database as the main line, the semantic segmentation algorithm based on DCNN in recent years is combed and summarized. Finally, the future research focus of semantic segmentation is discussed and forecasted.
【作者單位】： 北京交通大學(xué)計算機(jī)與信息技術(shù)學(xué)院;
【基金】：國家科技重大專項(xiàng)資金資助(2016YFB0800404)
【分類號】：TP391.41
【正文快照】： 圖像分類、物體檢測和圖像語義分割是計算機(jī)視覺的三大核心研究問題.其中,圖像語義分割任務(wù)最具有挑戰(zhàn)性.圖像語義分割融合了傳統(tǒng)的圖像分割和目標(biāo)識別兩個任務(wù),其目的是將圖像分割成幾組具有某種特定語義含義的像素區(qū)域,并識別出每個區(qū)域的類別,最終獲得一幅具有像素語義標(biāo)注

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李倩倩;陽愛民;李心廣;;圖像語義的圖形化標(biāo)注和檢索研究[J];計算機(jī)應(yīng)用與軟件;2008年12期

2 時慧琨;;一種利用用戶反饋日志獲取圖像語義標(biāo)注方法[J];通化師范學(xué)院學(xué)報;2010年12期

3 郭海鳳;張盈盈;李廣水;韓立新;;基于社會網(wǎng)絡(luò)的圖像語義獲取研究綜述[J];計算機(jī)與現(xiàn)代化;2014年01期

4 石躍祥;朱東輝;蔡自興;B.Benhabib;;圖像語義特征的抽取方法及其應(yīng)用[J];計算機(jī)工程;2007年19期

5 孫季豐;袁春林;邱衛(wèi)東;余英林;;一個具有圖像語義的物體分類系統(tǒng)的實(shí)現(xiàn)[J];科學(xué)技術(shù)與工程;2008年03期

6 王妍寧;郭雷;方俊;;一種新的圖像語義自動標(biāo)注模型[J];計算機(jī)工程與應(yīng)用;2011年07期

7 李曉雅;;淺析計算機(jī)圖像語義的識別應(yīng)用技術(shù)[J];知識經(jīng)濟(jì);2012年09期

8 李大湘;趙小強(qiáng);李娜;;圖像語義分析的多示例學(xué)習(xí)算法綜述[J];控制與決策;2013年04期

9 林春漪;馬麗紅;尹俊勛;陳建宇;;基于多層貝葉斯網(wǎng)絡(luò)的醫(yī)學(xué)圖像語義建模[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年02期

10 魏晗;李弼程;張瑞杰;唐永旺;;圖像語義提取方法研究[J];現(xiàn)代電子技術(shù);2011年24期

相關(guān)會議論文 前3條

1 張楊;房斌;徐傳運(yùn);;基于本體和描述邏輯的圖像語義識別[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

2 葉劍燁;謝祖銘;周向東;張亮;施伯樂;;一種新的圖像語義自動標(biāo)注方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 王偉強(qiáng);付立波;高文;黃慶明;蔣樹強(qiáng);;一種基于筆畫特征的疊加文字檢測方法[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前9條

1 趙永威;圖像語義表達(dá)與度量學(xué)習(xí)技術(shù)研究[D];解放軍信息工程大學(xué);2016年

2 南柄飛;基于視覺認(rèn)知機(jī)理的圖像語義內(nèi)容獲取研究[D];北京科技大學(xué);2016年

3 陳久軍;基于統(tǒng)計學(xué)習(xí)的圖像語義挖掘研究[D];浙江大學(xué);2006年

4 于永新;基于本體的圖像語義識別和檢索研究[D];天津大學(xué);2009年

5 李曉燕;海量圖像語義分析和檢索技術(shù)研究[D];浙江大學(xué);2009年

6 林春漪;基于混合貝葉斯網(wǎng)絡(luò)的醫(yī)學(xué)圖像語義建模及其檢索的研究[D];華南理工大學(xué);2006年

7 許紅濤;Web圖像語義分析與自動標(biāo)注研究[D];復(fù)旦大學(xué);2009年

8 鮑泓;基于視覺感知的中國畫圖像語義自動分類研究[D];北京交通大學(xué);2012年

9 王梅;基于多標(biāo)簽學(xué)習(xí)的圖像語義自動標(biāo)注研究[D];復(fù)旦大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 甄健華;圖像語義自動標(biāo)注過程研究[D];河北師范大學(xué);2015年

2 楊雪;基于紋理基元塊的圖像語義分割[D];西南科技大學(xué);2015年

3 張智慧;基于本體的圖像語義檢索研究[D];西南科技大學(xué);2015年

4 高瞰;社會化媒體中的圖像語義理解[D];華北電力大學(xué);2015年

5 王行行;面向檢索的鞋底花紋圖像語義表達(dá)算法研究[D];大連海事大學(xué);2015年

6 羅世操;基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究[D];東華大學(xué);2016年

7 陳鴻翔;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D];浙江大學(xué);2016年

8 趙鵬坤;基于屬性約簡的圖像語義自動標(biāo)注方法[D];太原科技大學(xué);2015年

9 劉先明;互聯(lián)網(wǎng)圖像語義表達(dá)規(guī)律分析及主題發(fā)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2010年

10 王小蕾;基于上下文的社交圖像語義信息的精化與豐富[D];華北電力大學(xué);2012年

，

本文編號：1436623