基于深度卷积神经网络的红外场景理解算法
文献类型：期刊论文
| 作者 | 王晨; 汤心溢; 高思莉 |
| 刊名 | 红外技术
 |
| 出版日期 | 2017 |
| 期号 | 8页码:728-733 |
| 关键词 | 红外图像 红外场景 语义分割 卷积神经网络 |
| 英文摘要 | 采用深度学习的方法实现红外图像场景语义理解.首先,建立含有4类别前景目标和1个类别背景的用于语义分割研究的红外图像数据集.其次,以深度卷积神经网络为基础,结合条件随机场后处理优化模型,搭建端到端的红外语义分割算法框架并进行训练.最后,在可见光和红外测试集上对算法框架的输出结果进行评估分析.实验结果表明,采用深度学习的方法对红外图像进行语义分割能实现图像的像素级分类,并获得较高的预测精度.从而可以获得红外图像中景物的形状、种类、位置分布等信息,实现红外场景的语义理解. |
| 源URL | [http://202.127.2.71:8080/handle/181331/12173]  |
| 专题 | 上海技术物理研究所_上海技物所 |
| 作者单位 | 中国科学院上海技术物理研究所 |
| 推荐引用方式 GB/T 7714 | 王晨,汤心溢,高思莉. 基于深度卷积神经网络的红外场景理解算法[J]. 红外技术,2017(8):728-733. |
| APA | 王晨,汤心溢,&高思莉.(2017).基于深度卷积神经网络的红外场景理解算法.红外技术(8),728-733. |
| MLA | 王晨,et al."基于深度卷积神经网络的红外场景理解算法".红外技术 .8(2017):728-733. |
入库方式： OAI收割
来源：上海技术物理研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。