摘要
随着深度学习的发展,卷积神经网络被用于解决各类计算机视觉问题.物体的分割是图像处理的基础,传统的分割算法在特定强光噪声场景下对图片的理解能力及工作效率欠佳.针对传统马匹图像分割算法中存在的分割边缘不清晰、强光照射下马匹轮廓分割模糊,以及分割前需要进行手工标注等问题,提出一种基于全卷积神经网络并加入条件随机场的马匹图像分割算法.建立马匹图像数据集进行训练测试,网络中加入带有空洞卷积的空间金字塔池化模型(ASPP)、空洞卷积与深度分离卷积使得网络在参数不变的情况下扩大感受野从而有效地分割出马匹.在深度卷积神经网络(DCNN)模型上进行迁移学习,并加入全连接条件随机场(CRF)优化分割出来的马匹边缘轮廓.实验结果表明,该方法在分割精度上优于传统的马匹图像分割算法,平均交并比(MIOU)达到了92.8％.
基金项目
新疆维吾尔自治区重大科技专项(2017A01002-5)
国家科技期刊平台
NSTL
维普
万方数据