基于卷积神经网络的图像分割技术研究

摘要

本文讨论了与之有关的图像分割算法，重点讨论了基于区域和深度网络的分割算法。重点介绍了卷积神经网络在图象分割领域的研究现状，并对目前存在的问题及对策进行了展望。目前，存在数据标注困难，模型过拟合，训练耗时长，模型泛化能力差等问题。针对上述问题，本项目拟通过提高数据标注速度，采用复杂模型，对模型进行大量优化与训练，提高模型的推广能力。文中提出的一些方法和手段，对今后的图象分割技术有一定的借鉴意义。

关键词：图象分割，面积分割，深度学习，卷积神经网络

目录

摘要 1
1前言 2
1.1选题的背景及意义 2
1.2国内外研究现状 2
2卷积神经网络 2
2.1卷积神经网络基本原理 2
2.2卷积神经网络用于图象分类的研究进展 3
2.3用于物体探测的卷积神经网络 3
3图象分割的研究进展 4
3.1经典的门限分割与边缘提取 4
3.2面积分块算法 4
3.3利用深度网络进行图像分割 4
4卷积神经网络在图象分割中存在的问题 5
4.1资料标引的难点 5
4.2模式过度拟合 5
4.3较长的培训周期 5
4.4模型在具体情况下的推广能力不强 6
5图象分割的对策分析 6
5.1加速数据标记 6
5.2采用深度模式或复合模式 6
5.3执行许多参数的最佳化与培训 7
5.4改进模型的推广性能 7
6结论 7
参考文献 8

扫码免登录支付

原创文章，限1人购买！

是否支付36元后完整阅读并下载？

如果您已购买过该文章，[登录帐号]后即可查看

已售出的文章系统将自动删除，他人无法查看

阅读并同意：范文仅用于学习参考，不得作为毕业、发表使用。

支付36元