- 1、本文档共29页,其中可免费阅读9页,需付费170金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
图像语义分割越来越受到机器学习和计算机视觉方面的研究者的关注,其核心任务是将图像中的每一个像素分类到其所属的对象类别。许多正在兴起的应用程序需要精确且高效的分割机制,比如自动驾驶,室内导航,甚至虚拟现实(VR)或增强现实(AR)等等。图像语义分割是图像分析中不可或缺的关键步骤。传统方法中,人们通过手工构造的特征来进行像素分类,但也因为其局限性而难以发展。随着深度学习的发展与流行,研究者们终于找到了一条真正可行的道路,深度学习取代了传统的图像识别方式。
基于深度学习的图像语义分割主要是利用深度卷积神经网络提取图像的语义特征,然后根据这些特征对每个像素分类。本文综合叙述了深度卷积神经网
文档评论(0)