- 博客(0)
- 资源 (2)
- 收藏
- 关注
基于深度学习的图像分割研究_张明月
基于深度学习的图像语义分割的主要思路是,使用像素级标注的图像,利用上采样、反卷积等特殊层,将普通卷积网络提取到的特征再还原回原图像尺寸,从而实现一种端到端的学习。本文在借鉴已有网络的基础上,提出了一种叫Fast-Seg Net的网络新架构,新架构使用了最新的残差网络结构,结合了稀疏卷积、分解卷积等操作,配合批归一化,将网络深度做到了
28层,在提高了精度的同时,依然保持了运行的速度。通过迁移学习的训练方法,加快了网络的收敛速度和精度。另外,本文提出了一套对图像进行像素级标注的工具和流程,并编写了图像像素级标注检查工具,采集了吉林大学校园里的街景,合格标注了1566 张照片,并在其上面训练了 Fast-Seg Net,取得了不错的效果,平均联合交叉度量m Io U达到了70.2%
2019-02-06
基于计算机视觉的构件表面缺陷特征提取
计算机视觉技术是一项应用非常广泛的计算机科学分支,是一项与图像处理模式识别以及光学等紧密联系的技术。构件的表面缺陷是影响构件质量的重要因素之一,通过对构件的表面特征进行检测和提取是构件质量控制的关键。本文将基于计算机视觉技术,探究构件表面缺陷特征的提取。
2013-09-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人