本文關鍵詞：基于深度學習的人體圖像分割算法　出處：《武漢大學學報(理學版)》2017年05期 　論文類型：期刊論文

  更多相關文章： 深度學習 人體圖像分割 全卷積神經網絡 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,對分割的準確度及實時性都有較高的要求,目前人體圖像分割的方法大多只能保證其中一項指標,使得人體圖像分割在實際應用上受到很大的限制.本文在深度卷積神經網絡的基礎上結合反卷積神經網絡,提出一種簡單有效的基于深度學習的人體圖像分割方案.百度人體圖像分割數(shù)據庫上的實驗表明,該方法的重疊率為88.77%,單張圖片分割耗時為60.7ms.在重疊率和實時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,顯示出較好的實用價值.
[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】： 上海工程技術大學電子電氣工程學院;華盛頓大學電機工程系;
【基金】：國家自然科學基金(61603242) 上海高校青年教師培養(yǎng)資助計劃專項基金(ZZGCD15088)資助項目 上海市科委地方能力建設項目(15590501300)
【分類號】：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(如圖1),它對圖像分割的準確度及實時性都有較高的要求,是一項具有挑戰(zhàn)性的任務.作為人體行為分析和理解的基礎,人體圖像分割效果的好壞直接決定后續(xù)工作的效果,如對于人體三維建模、模式識別、檢測與追蹤等任務.由于

【相似文獻】

相關期刊論文 前10條

1 李仲;圖像分割的妙法[J];電腦知識與技術;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用[J];成都信息工程學院學報;2007年02期

3 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經網絡的圖像分割[J];信息技術;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];中國科學技術大學學報;2010年02期

6 李丹;;圖像分割方法及其應用研究[J];科技信息;2010年36期

7 龔永義;黃輝;于繼明;關履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學報;2011年05期

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

9 汪梅;何高明;賀杰;;常見圖像分割的技術分析與比較[J];計算機光盤軟件與應用;2013年06期

10 魏慶;盧照敢;邵超;;基于復雜性指數(shù)的圖像分割必要性判別技術[J];計算機工程與應用;2013年16期

相關會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術綜述[A];2008年中國高校通信類院系學術研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經網絡及其在圖像分割中的應用[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術及其醫(yī)學應用[A];第十五屆全國圖象圖形學學術會議論文集[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)展的中國交通——2005全國博士生學術論壇（交通運輸工程學科）論文集（下冊）[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];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術的研究與應用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術在醫(yī)學CT中的應用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

相關博士學位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;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;2014年

3 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

4 潘改;偏微分方程在圖像分割中的應用研究[D];東北大學;2013年

5 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學技術大學;2014年

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

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

8 王曉坤;基于寬視場拼接成像的目標分割與跟蹤算法研究[D];長春理工大學;2016年

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

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

相關碩士學位論文 前10條

1 王聰聰;手機上的交互式圖像分割方法研究[D];華中科技大學;2013年

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

6 何妮;結合顯著性目標檢測與圖像分割的服飾提取算法研究及實現(xiàn)[D];西南交通大學;2015年

7 劉曉磊;基于MRF隨機場模型的機器人視覺圖像分割方法研究[D];西安建筑科技大學;2015年

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

9 許素素;改進的模糊C均值聚類算法在圖像分割中的應用[D];長安大學;2015年

10 齊國紅;基于FCM和SVM相結合的作物病害圖像分割方法研究[D];鄭州大學;2015年

，

本文編號：1406054