典型文献
基于深度残差网络和双向GRU的图像语义分割
文献摘要：
在图像语义分割领域中,大多数方法是基于CNN网络构建的,由于CNN很难对全局上下依赖关系进行建模,从而影响语义分割的结果.为此,本研究提出基于深度残差网络和双向GRU的图像语义分割模型ResNet-BiGRU,该模型充分利用CNN局部特征学习的能力和双向GRU全局建模的优势,在Weizmann Horse数据集上进行试验,得到分辨率高、边界清晰的语义分割结果.
文献关键词：
图像语义分割;深度残差网络;双向GRU
中图分类号：
作者姓名：
朱蕾蕾
作者机构：
河南省科学技术交流中心,河南 郑州 450002
文献出处：
引用格式：
[1]朱蕾蕾-.基于深度残差网络和双向GRU的图像语义分割)[J].河南科技,2022(21):13-16
A类：
B类：
深度残差网络,图像语义分割,网络构建,依赖关系,分割模型,ResNet,BiGRU,局部特征,特征学习,Weizmann,Horse,分辨率高
AB值：
0.292205
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。
