一种基于全卷积神经网络的鳞翅目昆虫图像前背景自动分割方法.pdf
一吃****仪凡
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于全卷积神经网络的鳞翅目昆虫图像前背景自动分割方法.pdf
本发明提出了一种基于全卷积神经网络(FCN)的鳞翅目昆虫前背景自动分割方法。通过微调预训练好的卷积神经网络(CNN)模型,构建了一个用于像素级分类预测的全卷积网络。训练网络前,首先对昆虫图像数据集进行了数据增强,以此来满足深度神经网络训练对样本数量的要求。通过对不同卷积层的输出进行融合,探索得到一个可用于鳞翅目昆虫图像前背景分割的网络模型。由CNN初始的分割结果进一步用条件随机场(CRF)来细化边缘细节,并通过提取并填充前景的最大轮廓,以移除网络模型输出结果中存在的噪点干扰和前景中的空洞。该方法使昆虫图像
一种基于多监督全卷积神经网络的图像分割方法.pdf
本发明涉及一种多监督全卷积神经网络的图像分割方法,该方法在全卷积神经网络(FCN)的基础上做了进一步的优化,提出了一种新的网络结构,该网络结构拥有三个有监督的边输出层,有监督的边输出层可以指导网络学习多尺度特征,让网络同时获得图像的局部特征和全局特征。与此同时,为了更多的保留图像中的上下文信息,在网络的上采样部分,采用多个特征通道对输出的特征图进行上采样。最后,用一个带有权重的融合层将多个边输出层的分类结果融合,得到最终的图像分割结果。本发明实现的方法具有分割准确率高,分割速率快的特点;在骨肉瘤CT数据分
基于轻量级全卷积神经网络的医学图像分割方法.pdf
本发明请求保护一种基于轻量级全卷积神经网络的医学图像分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡(CLAHE)、伽马校正等预处理;然后,对训练集进行随机的提取patch和测试集顺序提取patch图以完成数据增强;接着,搭建由收缩路径(左侧)和扩张路径(右侧)组成的全卷积神经网络架构,针对图像数量较少的数据集设计留一法(leave‑one‑out)训练方法;最后,通过通道稀疏正则化训练、裁剪比例因子小于设定阈值的通道以及微调裁剪后的网络完成BN通道模型裁剪,得到轻量级全卷积神经网络,
一种基于全卷积神经网络的伪装物体分割方法.pdf
本发明公开了一种基于全卷积神经网络的伪装物体分割算法,具体包括如下步骤:步骤1,图像特征提取模块;步骤2,构建图像分类模块;步骤3,构建基于全卷积神经网络的目标分割模块;步骤4,融合分类模块与目标分割模块的输出结果。采用本发明,通过实验结果表明,可以有效的识别并分割图像中的伪装物体,丰富了人工智能和计算机视觉的方法体系,为伪装物体分割领域提升分割效果提供了一种选择。
一种基于卷积神经网络的头发分割方法及系统.pdf
本发明涉及图像处理技术领域,具体是一种基于卷积神经网络的头发分割方法及系统,方法包括:获取视频流图像步骤:从摄像头中获取视频流,将视频流分帧,形成一张张图像,方面后续处理;确定人脸区域步骤:利用人脸检测模型检测人脸位置,确定人脸区域。本发明的有益效果通过全新的卷积神经网络模型(头发全卷积网络模型),并结合图片中图像中头发位置信息、头发的频率信息及头发的颜色信息,便可以准确地识别图像的头发区域,通过人脸检测算法RetinaFace检测人脸,确定头发区域大致位置,防止大背景下其他类似头发目标的干扰,利用BiS