关键词fully convolutional networks
搜索结果 - 29
- 组织病理学图像分割的受限深度弱监督
本文提出了一种新的弱监督学习算法,命名为 DWS-MIL,用于学习在组织病理学图像中分割癌症区域,该算法集成了全卷积网络、多尺度学习和正实例约束等技术,通过图像弱监督传递的信息完成分割任务,并在医学图像处理领域取得了最优结果。
- CVPR基于投影卷积神经网络的 3D 形状分割
该论文提出了一种用于将 3D 物体分割成标记语义部件的深度架构。该架构结合了基于图像的完全卷积网络和基于表面的条件随机场,以产生 3D 形状的连贯分割。通过特殊的投影层,图像 FCN 输出 被有效聚合在多个视图和比例上,然后投影到 3D 物 - 迭代非盲去模糊的全卷积网络学习
本文提出了一种全卷积网络用于迭代非盲去卷积,通过将非盲去卷积问题分解成图像去噪和图像去卷积,训练 FCNN 在梯度域中消除噪声,并使用学习到的梯度来引导图像去卷积步骤,可以迭代地去模糊图像,能够学习自适应的图像先验,保持局部(细节)和全局( - MMCrowdNet:一种用于密集人群计数的深度卷积网络
提出了一种新颖的深度学习框架,用于从高密度人群的静态图像中估计人群密度,使用深度和浅层完全卷积网络的组合来预测给定人群图像的密度地图,通过多尺度数据增强来引导 CNN 学习尺度不变表示,并且在 UCF_CC_50 数据集上表现出比现有技术更 - 生物医学图像分割中跳跃连接的重要性
本研究探讨长短跳跃连接对全卷积网络进行生物医学图像分割的影响,发现在非常深的 FCN 中同时使用长、短跳跃连接是有益的,并展示了非常深的 FCN 在 EM 数据集上实现了接近最新成果的结果而无需进一步的后处理。
- 用完全卷积网络对高分辨率航空影像进行密集语义标注
本文介绍了一种应用深度卷积神经网络用于语义标签高分辨率遥感数据的方法,采用了全卷积网络和预训练卷积神经网络在卫星图像识别中得到了较好的应用效果。
- 全卷积神经网络用于语义分割
本文提出了一种基于卷积神经网络的 Fully Convolutional Networks(FCN)方法,可以用于图像的深度语义分割。通过该方法,我们成功地提高了 PASCAL VOC、NYUDv2、SIFT Flow 和 PASCAL-C - 实例敏感的全卷积网络
本文介绍了一种基于全卷积神经网络 (FCNs) 的实例级分割算法,通过像素级分类器计算相对位置和一些敏感的分数映射,然后通过一个简单的组装模块能够输出每个位置的实例候选。该方法在 PASCAL VOC 和 MS COCO 上具有较好的实例分 - 边界神经场的语义分割
本文介绍了一种基于 Boundary Neural Field (BNF) 的全局能量模型,该模型将 FCN 预测与边界提示相结合,以提高数据集的语义分段一致性和物体定位。实验证明,这种基于边界的全局优化方法在定量和定性方面均比现有方法更优