深浅交错式特征融合的人体图像分割方法

您当前的位置：

首页 >

文章列表页 >

深浅交错式特征融合的人体图像分割方法

光学图像处理 | 更新时间：2025-09-01

- 深浅交错式特征融合的人体图像分割方法
- Human image segmentation method based on depth staggered feature fusion
- 光学技术 2020年46卷第5期页码：613-618
- 作者机构：
  
  1:华南师范大学物理与电信工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金重点项目(U1301251)
- DOI：10.13741/j.cnki.11-1879/o4.2020.05.018
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
帅珍彬, 冯寿廷. 深浅交错式特征融合的人体图像分割方法[J]. 光学技术, 2020,46(5):613-618.

Human image segmentation method based on depth staggered feature fusion[J]. 2020, 46(5): 613-618.
帅珍彬, 冯寿廷. 深浅交错式特征融合的人体图像分割方法[J]. 光学技术, 2020,46(5):613-618. DOI： 10.13741/j.cnki.11-1879/o4.2020.05.018.

Human image segmentation method based on depth staggered feature fusion[J]. 2020, 46(5): 613-618. DOI： 10.13741/j.cnki.11-1879/o4.2020.05.018.

人体图像分割作为人体行为理解和分析的基础

但要实现精准分割及实时分割是一个巨大的难题

因此提出一种深浅交错式特征融合的全卷积神经网络的方法

应用于人体图像分割。使用全卷积神经网络的卷积层提取丰富的图像特征

对不同深度的特征图由深到浅交错式地拼接并融合。最终将融合特征图送入卷积层输出预测图像

并经过全局阈值分割得到分割结果。在百度人体图像分割数据库上进行实验

其平均覆盖率可以达到89.95%

最佳分割重叠率高达99.31%;分割一幅500×500彩色图像的平均耗时为56ms

实现较好的分割性能。

浏览量

105

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于3D全卷积神经网络的肺叶自动分割方法

基于注意力空洞U-Net的MRI图像分割方法

基于改进U-net++的超声图像结直肠子宫内膜异位区域检测

基于高光谱遥感的荒漠化草原草种类分类模型研究

利用双流卷积神经网络的人脸表情识别方法