CASIA OpenIR  > 模式识别国家重点实验室  > 机器人视觉
Semantic Segmentation with Modified Deep Residual Networks
Chen, Xinze1,2; Chen, Guangliang1,2; Cai, Yinghao1; Wen, Dayong1; Li, Heping1
2016-10
会议名称Chinese Conference on Pattern Recognition(CCPR)
会议录名称Proceedings of Chinese Conference on Pattern Recognition
会议日期November, 2016
会议地点Cheng Du, China
摘要A novel semantic segmentation method is proposed, which consists of the following three parts: (I) First, a simple yet effective data augmentation method is introduced without any extra GPU memory cost during training. (II) Second, a deeper residual network is constructed through three effective techniques: dilated convolution, LSTM network and multi-scale prediction. (III) Third, an online hard pixels mining is adopted to improve the segmentation performance. We combine these three parts to train an end-to-end network and achieve a new state-ofthe-art segmentation accuracy of 79.3% on PASCAL VOC 2012 test set at the time of submission.
关键词Semantic Segmentation Data Augmentation Residual Networks Lstm Multi-scale Prediction
收录类别EI
语种英语
文献类型会议论文
条目标识符http://ir.ia.ac.cn/handle/173211/14458
专题模式识别国家重点实验室_机器人视觉
通讯作者Li, Heping
作者单位1.中国科学院自动化研究所
2.中国科学院大学
推荐引用方式
GB/T 7714
Chen, Xinze,Chen, Guangliang,Cai, Yinghao,et al. Semantic Segmentation with Modified Deep Residual Networks[C],2016.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
Semantic Segmentatio(2516KB)会议论文 开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Chen, Xinze]的文章
[Chen, Guangliang]的文章
[Cai, Yinghao]的文章
百度学术
百度学术中相似的文章
[Chen, Xinze]的文章
[Chen, Guangliang]的文章
[Cai, Yinghao]的文章
必应学术
必应学术中相似的文章
[Chen, Xinze]的文章
[Chen, Guangliang]的文章
[Cai, Yinghao]的文章
相关权益政策
暂无数据
收藏/分享
文件名: Semantic Segmentation with Modified Deep Residual Networks.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。