典型文献
面向连续图像序列的语义分割
文献摘要：
为弥补传统语义分割模型忽略时间维度上信息的不足,文中提出一种时间连续的语义分割模型.该模型在经典的U-Net语义分割模型基础上,利用前几帧分割的结果,添加时间维度上的图像特征模块;再通过特征融合模块对各部分的特征图进行融合;最后,利用融合的特征对像素进行分类.为验证所提出模型的分割效果,采集连续图像数据集并利用Labelme对其进行标注,在该数据集上进行训练和测试.结果表明,在同等条件下,基于时间连续的语义分割模型在Dice系数、精确率和召回率方面均高于U-Net网络,对运动模糊图像的语义分割效果也较好,说明该方法能够改善语义分割效果.
文献关键词：
语义分割;图像序列;深度学习;相似性;图像处理;卷积神经网络;损失函数;数据标注
中图分类号：
作者姓名：
邹序焱;何汉武;吴悦明
作者机构：
广东工业大学 机电工程学院,广东 广州 510006;宜宾学院 人工智能与大数据学部,四川 宜宾 644007;广东工贸职业技术学院,广东 广州 510510
文献出处：
引用格式：
[1]邹序焱;何汉武;吴悦明-.面向连续图像序列的语义分割)[J].现代电子技术,2022(14):127-131
A类：
B类：
图像序列,语义分割,分割模型,时间维度,Net,添加时间,图像特征,特征融合模块,特征图,像素,出模,分割效果,图像数据集,Labelme,同等条件,Dice,精确率,召回率,运动模糊图像,损失函数,数据标注
AB值：
0.327832
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
