基于深度学习的人体图像分割算法

发布时间：2018-01-10 17:03

本文关键词：基于深度学习的人体图像分割算法　出处：《武汉大学学报(理学版)》2017年05期 　论文类型：期刊论文

【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60.7ms.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.
[Abstract]:As the basis of human body behavior understanding and analysis, human body image segmentation has high requirements for accuracy and real-time. At present, most of the methods of human body image segmentation can only guarantee one of the indicators. The segmentation of human body image is limited in practical application. In this paper, the deep convolution neural network is combined with deconvolution neural network. A simple and effective human body image segmentation scheme based on depth learning is proposed. Experiments on Baidu human body image segmentation database show that the overlap rate of this method is 88.77%. The time of single image segmentation is 60.7 ms.A good balance between overlap rate and real time is obtained, and the effect of human image segmentation is greatly improved, which shows good practical value.
【作者单位】：上海工程技术大学电子电气工程学院;华盛顿大学电机工程系;
【基金】：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)
【分类号】：TP18;TP391.41
【正文快照】： 0 引言人体图像分割,是将人体从包含人体的图像中分割出来(如图1),它对图像分割的准确度及实时性都有较高的要求,是一项具有挑战性的任务.作为人体行为分析和理解的基础,人体图像分割效果的好坏直接决定后续工作的效果,如对于人体三维建模、模式识别、检测与追踪等任务.由于

【相似文献】