本文關(guān)鍵詞：基于深度學(xué)習(xí)的人體圖像分割算法　出處：《武漢大學(xué)學(xué)報(bào)(理學(xué)版)》2017年05期 　論文類型：期刊論文

  更多相關(guān)文章： 深度學(xué)習(xí) 人體圖像分割 全卷積神經(jīng)網(wǎng)絡(luò) 魯棒性

【摘要】：人體圖像分割作為人體行為理解和分析的基礎(chǔ),對(duì)分割的準(zhǔn)確度及實(shí)時(shí)性都有較高的要求,目前人體圖像分割的方法大多只能保證其中一項(xiàng)指標(biāo),使得人體圖像分割在實(shí)際應(yīng)用上受到很大的限制.本文在深度卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上結(jié)合反卷積神經(jīng)網(wǎng)絡(luò),提出一種簡(jiǎn)單有效的基于深度學(xué)習(xí)的人體圖像分割方案.百度人體圖像分割數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明,該方法的重疊率為88.77%,單張圖片分割耗時(shí)為60.7ms.在重疊率和實(shí)時(shí)性上獲得了比較好的平衡,人體圖像分割的效果有較大提升,顯示出較好的實(shí)用價(jià)值.
[Abstract]:As the basis of human body behavior understanding and analysis, human body image segmentation has high requirements for accuracy and real-time. At present, most of the methods of human body image segmentation can only guarantee one of the indicators. The segmentation of human body image is limited in practical application. In this paper, the deep convolution neural network is combined with deconvolution neural network. A simple and effective human body image segmentation scheme based on depth learning is proposed. Experiments on Baidu human body image segmentation database show that the overlap rate of this method is 88.77%. The time of single image segmentation is 60.7 ms.A good balance between overlap rate and real time is obtained, and the effect of human image segmentation is greatly improved, which shows good practical value.
【作者單位】： 上海工程技術(shù)大學(xué)電子電氣工程學(xué)院;華盛頓大學(xué)電機(jī)工程系;
【基金】：國(guó)家自然科學(xué)基金(61603242) 上海高校青年教師培養(yǎng)資助計(jì)劃專項(xiàng)基金(ZZGCD15088)資助項(xiàng)目 上海市科委地方能力建設(shè)項(xiàng)目(15590501300)
【分類號(hào)】：TP18;TP391.41
【正文快照】： 0 引言 人體圖像分割,是將人體從包含人體的圖像中分割出來(lái)(如圖1),它對(duì)圖像分割的準(zhǔn)確度及實(shí)時(shí)性都有較高的要求,是一項(xiàng)具有挑戰(zhàn)性的任務(wù).作為人體行為分析和理解的基礎(chǔ),人體圖像分割效果的好壞直接決定后續(xù)工作的效果,如對(duì)于人體三維建模、模式識(shí)別、檢測(cè)與追蹤等任務(wù).由于

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李仲;圖像分割的妙法[J];電腦知識(shí)與技術(shù);2000年S2期

2 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

3 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

4 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

5 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

6 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

7 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國(guó)圖象圖形學(xué)報(bào);2011年05期

8 張甫;李興來(lái);陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

9 汪梅;何高明;賀杰;;常見(jiàn)圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

10 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

相關(guān)會(huì)議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

3 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

4 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

5 李偉斌;圖像分割中的變分模型與快速算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

7 李積英;融合量子衍生及DNA計(jì)算速率的智能算法在圖像分割中的研究[D];蘭州交通大學(xué);2014年

8 王曉坤;基于寬視場(chǎng)拼接成像的目標(biāo)分割與跟蹤算法研究[D];長(zhǎng)春理工大學(xué);2016年

9 吳永飛;圖像分割的變分模型及數(shù)值實(shí)現(xiàn)[D];重慶大學(xué);2016年

10 李忠兵;聚焦超聲無(wú)創(chuàng)治療腫瘤的超聲圖像分割方法研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王聰聰;手機(jī)上的交互式圖像分割方法研究[D];華中科技大學(xué);2013年

2 廖小波;基于貝葉斯最優(yōu)統(tǒng)計(jì)的圖切法圖像分割研究[D];昆明理工大學(xué);2015年

3 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學(xué);2015年

4 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學(xué);2015年

5 劉超;基于閾值圖像分割的研究及在蘋果定位中的應(yīng)用[D];東華理工大學(xué);2015年

6 何妮;結(jié)合顯著性目標(biāo)檢測(cè)與圖像分割的服飾提取算法研究及實(shí)現(xiàn)[D];西南交通大學(xué);2015年

7 劉曉磊;基于MRF隨機(jī)場(chǎng)模型的機(jī)器人視覺(jué)圖像分割方法研究[D];西安建筑科技大學(xué);2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

9 許素素;改進(jìn)的模糊C均值聚類算法在圖像分割中的應(yīng)用[D];長(zhǎng)安大學(xué);2015年

10 齊國(guó)紅;基于FCM和SVM相結(jié)合的作物病害圖像分割方法研究[D];鄭州大學(xué);2015年

，

本文編號(hào)：1406054