清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Fully convolutional networks for semantic segmentation

计算机科学 人工智能 分割 推论 卷积神经网络 像素 模式识别(心理学) 帕斯卡(单位) 程序设计语言
作者
Jonathan Long,Evan Shelhamer,Trevor Darrell
出处
期刊:Proceedings [Institute of Electrical and Electronics Engineers]
卷期号:: 3431-3440 被引量:38794
标识
DOI:10.1109/cvpr.2015.7298965
摘要

Convolutional networks are powerful visual models that yield hierarchies of features. We show that convolutional networks by themselves, trained end-to-end, pixels-to-pixels, exceed the state-of-the-art in semantic segmentation. Our key insight is to build “fully convolutional” networks that take input of arbitrary size and produce correspondingly-sized output with efficient inference and learning. We define and detail the space of fully convolutional networks, explain their application to spatially dense prediction tasks, and draw connections to prior models. We adapt contemporary classification networks (AlexNet [20], the VGG net [31], and GoogLeNet [32]) into fully convolutional networks and transfer their learned representations by fine-tuning [3] to the segmentation task. We then define a skip architecture that combines semantic information from a deep, coarse layer with appearance information from a shallow, fine layer to produce accurate and detailed segmentations. Our fully convolutional network achieves state-of-the-art segmentation of PASCAL VOC (20% relative improvement to 62.2% mean IU on 2012), NYUDv2, and SIFT Flow, while inference takes less than one fifth of a second for a typical image.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
21秒前
标致的三娘完成签到,获得积分10
26秒前
RYYYYYYY233完成签到 ,获得积分0
28秒前
烟花的应助被连安阳采纳,获得10
29秒前
风中芷容完成签到 ,获得积分10
35秒前
微笑的宝川完成签到,获得积分10
40秒前
45秒前
明朗完成签到 ,获得积分0
51秒前
小蘑菇的应助被zilicai采纳,获得10
53秒前
腼腆的如南完成签到,获得积分10
1分钟前
咕咕完成签到 ,获得积分10
1分钟前
1分钟前
shmilycaleb完成签到,获得积分10
1分钟前
漂亮的乐曲完成签到,获得积分10
1分钟前
默默问芙完成签到,获得积分10
1分钟前
zyjsunye完成签到 ,获得积分10
1分钟前
PetiteNicolase完成签到 ,获得积分10
1分钟前
zgx完成签到,获得积分10
1分钟前
1分钟前
yue完成签到,获得积分10
1分钟前
连安阳发布了新的文献求助10
1分钟前
快乐碱基对完成签到 ,获得积分10
1分钟前
lishuhua完成签到 ,获得积分10
1分钟前
所所的应助被科研通管家采纳,获得10
1分钟前
研友_VZG7GZ的应助被科研通管家采纳,获得10
1分钟前
Lucas的应助被科研通管家采纳,获得20
1分钟前
香蕉觅云的应助被科研通管家采纳,获得10
1分钟前
FashionBoy的应助被科研通管家采纳,获得10
2分钟前
情怀的应助被科研通管家采纳,获得10
2分钟前
超级的愫完成签到,获得积分10
2分钟前
2分钟前
零零发布了新的文献求助10
2分钟前
怕黑的夏之完成签到,获得积分10
2分钟前
天天向上小螃蟹完成签到,获得积分10
2分钟前
2分钟前
零零完成签到,获得积分10
2分钟前
阔达语雪完成签到,获得积分10
2分钟前
chichenglin完成签到 ,获得积分0
3分钟前
义气的夏旋完成签到,获得积分10
3分钟前
复杂亦瑶完成签到,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180011
求助须知:如何正确求助?哪些是违规求助? 9570214
关于积分的说明 21808571
捐赠科研通 7775985
什么是DOI,文献DOI怎么找? 3433251
关于科研通互助平台的介绍 2557389
邀请新用户注册赠送积分活动 2478998