解网

反褶积网络:用于语义分割的学习反褶积网络。提出了一种新的基于反褶积网络的语义分割算法。我们学习了VGG 16层网络采用的卷积层之上的网络。反褶积网络由反褶积层和非冷却层组成,分别识别像素级标签和预测分割掩模。我们将训练好的网络应用于输入图像中的每个方案,并将所有方案的结果以简单的方式组合在一起,构造出最终的语义分割图。该算法将深度反褶积网络与建议态预测相结合,克服了现有全卷积网络方法的局限性;我们的分割方法通常能识别出详细的结构,并能自然地在多个尺度上处理对象。在2012年,我们用经过训练的外部网络数据集(72%)充分证明了我们的卷积数据集的正确率是最好的。


参考文献中的数学13条,1标准件)

显示结果1到13,共13个。
按年份排序(引用)

  1. 陈国栋;Fidkowski,Krzysztof J.:使用卷积神经网络的基于输出的自适应空气动力学模拟(2021)
  2. 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)
  3. 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)
  4. 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)
  5. 贾、范;泰雪成;刘军:用于图像分割的非局部正则化CNN(2020)
  6. 蒙达尔,兰珍;戴伊,莫尼·尚卡尔;Chanda,Bhabatosh:通过学习形态学开闭网络进行图像恢复(2020)
  7. 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)
  8. 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)
  9. 赵娇娇;韩俊功;邵、凌;斯努克,Cees G.M.:像素化语义着色(2020)
  10. 他,俊才;徐金超:MgNet:多重网格和卷积神经网络的统一框架(2019)
  11. 朱洁;张云峰;郭杰;刘慧昆;刘明明;刘、杨;郭彦文:通过局部对应编码在图像和三维图形之间进行标签传输(2019)
  12. 耶,钟哲;韩,约瑟布;Cha,Eunju:深度卷积框架:反问题的一般深度学习框架(2018)
  13. Noh Hyeonwoo,Seunghoon Hong,Bohyung Han:语义分割的学习反褶积网络(2015)阿尔十四