赛格网

SegNet:一种用于图像分割的深卷积编译码结构。提出了一种新颖实用的用于语义像素分割的深度全卷积神经网络结构SegNet。该核心可训练分割引擎由一个编码器网络、一个对应的解码网络和一个像素级分类层组成。编码器网络的结构在拓扑上与VGG16网络中的13个卷积层相同。解码器网络的作用是将低分辨率编码器的特征映射到全输入分辨率的特征映射,以进行像素级分类。SegNet的新颖之处在于解码器对其低分辨率输入特征映射进行上采样的方式。具体地说,解码器使用在对应编码器的最大池化步骤中计算的池索引来执行非线性上采样。这就消除了学习向上采样的需要。上采样的地图是稀疏的,然后用可训练的滤波器卷积得到稠密的特征地图。我们将我们提出的体系结构与广泛采用的FCN以及著名的DeepLab LargeFOV、DeconvNet架构进行了比较。这种比较揭示了实现良好分割性能所涉及的内存与精度的权衡。SegNet的主要动机是场景理解应用程序。因此,它被设计成在推理过程中在内存和计算时间方面都是有效的。与其他竞争体系结构相比,它在可训练参数的数量上也要少得多。在道路场景和sunrgb-D室内场景分割任务中,我们还执行了SegNet和其他架构的受控基准测试。与其他体系结构相比,SegNet在推理时间和推理内存方面具有更好的性能。我们还提供了一个SegNet的Caffe实现和一个http URL上的web演示http://mi.eng.cam.ac.uk/projects/segnet/


zbMATH中的参考文献(参考文献27条)

显示第1到第20个结果,共27个。
按年份排序(引用)
  1. Alberto Gomez:MIPROT:MATLAB的医学图像处理工具箱(2021)阿尔十四
  2. 钟,埃里克;梁咏达;盘、西芒;张泽成:基于多阶段深度学习的多尺度模型约简算法(2021)
  3. 贾、范;刘军;泰雪成:正则化卷积神经网络在语义图像分割中的应用(2021)
  4. 哈特里,拉金德拉K.C。;凯塞里亚,布伦丹J。;卢一飞;肖光华;曹燕:用扩张卷积网络自动提取细胞核(2021)
  5. 帕特尔,杜鲁夫。;奥布雷,阿萨德A.:基于GAN的监督学习不确定性量化先验知识(2021)
  6. Philippe Apparicio,David Maignan,Jérémy Gelb:VIFECO:一个用于计算视频特征的开源软件(2021)不是zbMATH
  7. 沈伟豪;徐文波;张红阳;孙泽新;马建雄;马新龙;周守军;郭世杰;王元泉:基于纯扩张残存U网的股骨和胫骨的自动分割(2021)
  8. 范比斯布鲁克,安托万;商、菲菲;David Bassir:通过深度学习进行CAD模型分割(2021)
  9. 王德涛;陈国雄:用编解码卷积神经网络进行地震地层分割(2021)
  10. 袁玉辉;黄、郎;郭建元;张超;陈锡林;王敬东:面向对象上下文的语义分割(2021)
  11. 张晓峰;孙玉娟;刘辉;侯仲军;赵峰;张彩明:基于非局部信息和反投影的图像分割改进聚类算法(2021)
  12. 阿莫索夫,画外音。;阿莫索瓦公司。;日加诺夫公司。;伊万诺夫,余。S、 。;Pashchenko,F.F.:在访问控制系统中使用深层神经网络识别连续视频流帧中的情况和对象的计算方法(2020)
  13. 胡瑞萌:响应面排序的深度学习及其在最优停止问题中的应用(2020)
  14. 贾、范;泰雪成;刘军:用于图像分割的非局部正则化CNN(2020)
  15. 韩国帕希奇;里奇,巴里;加姆斯,安德烈;森本俊;Ude,Aleš:生成动态运动原语的深层神经网络训练(2020)
  16. 瓦拉达,阿比纳夫;莫汉,罗希特;Burgard,Wolfram:多模式语义分割的自监督模型自适应(2020)
  17. 王勇;张东方;戴光明:利用改进的U-Net对高分辨率卫星图像进行分类(2020)
  18. 张海淼;董斌:医学图像重建中的深度学习综述(2020)
  19. 范玉伟;费利乌·法巴,乔迪;林,林;英,乐星;Zepeda-Núñez,Leonardo:基于分层嵌套基的多尺度神经网络(2019)
  20. 范玉伟;林,林;英,乐星;Zepeda-Núñez,Leonardo:基于层次矩阵的多尺度神经网络(2019)