| 基于深度学习的人体图像分割算法 |
| |
| 作者姓名： | 王鹏 方志军 赵晓丽 黄勃 |
| |
| 作者单位： | 1.上海工程技术大学 电子电气工程学院, 上海 201620;2.华盛顿大学 电机工程系, 华盛顿州 西雅图市 98195 |
| |
| 基金项目： | 国家自然科学基金（61603242）;上海高校青年教师培养资助计划专项基金（ZZGCD15088）资助项目;上海市科委地方能力建设项目（15590501300） |
| |
| 摘 要： | 人体图像分割作为人体行为理解和分析的基础,对分割的准确度及实时性都有较高的要求,目前人体图像分割的方法大多只能保证其中一项指标,使得人体图像分割在实际应用上受到很大的限制.本文在深度卷积神经网络的基础上结合反卷积神经网络,提出一种简单有效的基于深度学习的人体图像分割方案.百度人体图像分割数据库上的实验表明,该方法的重叠率为88.77%,单张图片分割耗时为60.7 ms.在重叠率和实时性上获得了比较好的平衡,人体图像分割的效果有较大提升,显示出较好的实用价值.
|
| 关 键 词： | 深度学习 人体图像分割 全卷积神经网络 鲁棒性 |
| 收稿时间： | 2017-01-02 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《武汉大学学报(理学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(理学版)》下载全文 |
|
