科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对超像素分割算法目标边缘分割不精确等问题，提出一种基于改进AlexNet和简单线性迭代聚类的超像素分割方法。采用可微分聚类算法模块，以取代SLIC算法中的硬像素-超像素关联；通过将迁移学习融入AlexNet模型，对全连接层参数进行调整，保留原网络的卷积层，根据所得到的特征进一步把识别检测问题转换成分离目标和背景的二分类问题。训练一个可微分的聚类算法模块，以产生准确的超像素。在BSDS500和MRI数据集上进行图像生成和图像分割的仿真结果表明，所提出的方法在图像生成边界召回率指标和超像素的生成时间性能指标分别达到69.32%和0.703 7 s,实现了性能和时间的平衡，有效提高超像素的分割精度和分割时间效率。
- 单位
