基于深度学习的人体图像分割算法

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60.7 ms.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.

关键词：深度学习、人体图像分割、全卷积神经网络、鲁棒性

所属期刊栏目：63

分类号：TP391.4(计算技术、计算机技术)

资助基金：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;上海市科委地方能力建设项目15590501300

在线出版日期：2017-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：466-470