本文選題：深度卷積神經(jīng)網(wǎng)絡(luò) + 殘差網(wǎng)絡(luò)　； 參考：《電視技術(shù)》2017年Z2期

【摘要】：針對(duì)靜態(tài)圖像中人體分割不能夠聚焦所要分割區(qū)域,造成分割效果不佳的問題。通過對(duì)殘差網(wǎng)絡(luò)進(jìn)行改進(jìn),使之能夠適應(yīng)人體分割這一任務(wù),并在改進(jìn)的殘差網(wǎng)絡(luò)中引入一種聚焦機(jī)制進(jìn)行靜態(tài)圖像人體分割。根據(jù)靜態(tài)圖像人體分割問題,設(shè)計(jì)了具有聚焦機(jī)制的損失函數(shù)、輔助分割損失函數(shù)以及分割損失函數(shù)。另外,為了得到數(shù)據(jù)集的輔助分割類標(biāo)、分割類標(biāo)以及注意力聚焦圖,提出了數(shù)據(jù)預(yù)處理算法。在Pascal-Person-Part數(shù)據(jù)集和LIP數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試,并將測(cè)試結(jié)果與SegNet,FCN-8s,Deep Lab V2,Attention,LG-LSTM以及Attention+SSL方法進(jìn)行比較。通過比較像素精度、平均像素精度和Io U(Intersection over Union)指標(biāo),表明所提方法能夠提高靜態(tài)圖像中人體分割的效果,驗(yàn)證了所提方法的可靠性。
[Abstract]:In the static image, the human body segmentation can not focus on the region to be segmented, resulting in poor segmentation effect. The residual network is improved to adapt to the task of human body segmentation, and a focusing mechanism is introduced into the improved residual network for the segmentation of human body in static images. According to the human body segmentation problem of still image, the loss function with focusing mechanism, auxiliary segmentation loss function and segmentation loss function are designed. In addition, a data preprocessing algorithm is proposed in order to obtain the auxiliary segmentation class mark, the segmentation class label and the attention focus graph of the data set. Pascal-Person-Part data sets and LIP datasets were trained and tested, and the test results were compared with SegNetFCN-8s Deep Lab V2 tentiontionLG-LSTM and Attention SSL methods. By comparing pixel precision, average pixel precision and I o U(Intersection over union index, it is shown that the proposed method can improve the effect of human body segmentation in still image, and verify the reliability of the proposed method.
【作者單位】： 鄭州航空工業(yè)管理學(xué)院電子通信工程學(xué)院;河南廣播電視大學(xué)信息工程系;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(71371173) 國(guó)家航空科學(xué)基金重點(diǎn)項(xiàng)目(2014ZC13004) 河南省科技攻關(guān)項(xiàng)目(172102410067;144300510059;132102210474) 河南省教育廳重點(diǎn)研究項(xiàng)目(17A520065)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江浩,劉光斌,王雪梅,薛艷;靜態(tài)圖像切換技巧[J];計(jì)算機(jī)應(yīng)用研究;2002年02期

2 吳文亮;;一種靜態(tài)圖像壓縮的快速算法[J];科技信息(科學(xué)教研);2008年23期

3 田其沖;董恒強(qiáng);何新求;;靜態(tài)圖像提取文字技術(shù)[J];電腦編程技巧與維護(hù);2008年13期

4 文義紅;楊凱;李波;;靜態(tài)圖像壓縮評(píng)估方法測(cè)評(píng)[J];中國(guó)空間科學(xué)技術(shù);2010年01期

5 馮小民;將靜態(tài)圖像變成心愛的動(dòng)畫[J];電腦愛好者;2003年08期

6 劉杰;基于特征信息的靜態(tài)圖像/圖形建模[J];福建電腦;2002年02期

7 周海霞;劉娟;;靜態(tài)圖像壓縮中匹配小波的構(gòu)造[J];福建電腦;2011年05期

8 Jim Melton,Andrew Eisenberg,王鶴龍;SQL多媒體及應(yīng)用包(SQL/MM)[J];計(jì)算機(jī)時(shí)代;2004年01期

9 歐臻彥;李璇;;靜態(tài)圖像下的人臉檢測(cè)技術(shù)研究[J];硅谷;2008年06期

10 胡穎卓;靜態(tài)圖像的直接顯示[J];微電腦世界;1996年02期

相關(guān)會(huì)議論文 前2條

1 吳厚平;王煜;李平;;電子靜態(tài)圖像成像系統(tǒng)分辨率的測(cè)量[A];第十屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2004年

2 馮碩;;靜態(tài)圖像中的人臉快速檢測(cè)[A];第二十五屆中國(guó)（天津）2011’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 李石峰;靜態(tài)圖像人體分割算法的研究[D];大連理工大學(xué);2012年

2 孫慶杰;靜態(tài)圖像中人體檢測(cè)技術(shù)研究[D];中國(guó)科學(xué)院研究生院（軟件研究所）;2004年

相關(guān)碩士學(xué)位論文 前10條

1 劉明躍;基于靜態(tài)圖像的人臉檢測(cè)[D];電子科技大學(xué);2014年

2 吳小敏;基于FPGA和ADV212的靜態(tài)圖像壓縮系統(tǒng)設(shè)計(jì)[D];聊城大學(xué);2017年

3 孫智鵬;靜態(tài)圖像中的正面人體分割算法研究[D];大連理工大學(xué);2009年

4 曹耀國(guó);小波變換在靜態(tài)圖像壓縮中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2005年

5 王潔;基于靜態(tài)圖像的模擬漫游系統(tǒng)研究與設(shè)計(jì)[D];天津大學(xué);2010年

6 鄧科;基于專用DSP的JPEG2000靜態(tài)圖像壓縮的研究[D];南京理工大學(xué);2006年

7 戴志明;靜態(tài)圖像中文字提取關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2011年

8 李超;靜態(tài)圖像感興趣區(qū)域提取關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

9 王志軍;基于USB的靜態(tài)圖像傳輸與控制系統(tǒng)[D];上海交通大學(xué);2008年

10 宋濤;基于DCT域的靜態(tài)圖像處理與人臉檢測(cè)的研究[D];吉林大學(xué);2005年

，

本文編號(hào)：1787609