干货|申发龙 关于语义图像分割:FCN和Guidance CRF(PPT)

2017 年 8 月 30 日 极市平台
↑ 点击蓝字关注极市平台 识别先机 创造未来


上周四我们邀请了北京大学信息科学技术学院申发龙博士给我们分享了语义图像分割相关技术干货。申博给我们介绍了图像分割研究的常用的数据集,深度学习时代的图像分割发展,FCN应用于图像分割的局限性与图模型的引入基于Guidance CRF的图像分割以及语义图像分割的未来发展,申博在讲解中也结合了他自己的CVPR2017图像分割论文的工作。感兴趣的同学可以去嘉宾的github查看并沟通交流。


申博github链接:https://github.com/FalongShen/SegModel(或者点击阅读原文即可跳转)


部分PPT截取(在本公众号下回复“20”获取下载



往期视频在线观看:

B站:http://space.bilibili.com/85300886#!/

腾讯:http://dwz.cn/68xzHx

优酷:http://dwz.cn/68w1W8

斗鱼:https://v.douyu.com/author/rEdlEVGYRANM



PS. 如有想加入极市专业CV开发者微信群,请填写申请表(链接:http://cn.mikecrm.com/wcotd9)申请入群~



登录查看更多
7

相关内容

语义图像分割:是指像素级地识别图像,即标注出图像中每个像素所属的对象类别。侧重对类型分割识别,如果两个对象是同一类别,则不分割。与之相对应的是实例图像分割,把图像的所有子图都识别分割。
少标签数据学习,54页ppt
专知会员服务
205+阅读 · 2020年5月22日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
173+阅读 · 2020年5月6日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
103+阅读 · 2020年3月9日
Hierarchy Parsing for Image Captioning
Arxiv
6+阅读 · 2019年9月10日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
20+阅读 · 2018年7月12日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
7+阅读 · 2018年4月24日
VIP会员
相关VIP内容
少标签数据学习,54页ppt
专知会员服务
205+阅读 · 2020年5月22日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
173+阅读 · 2020年5月6日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
103+阅读 · 2020年3月9日
相关论文
Hierarchy Parsing for Image Captioning
Arxiv
6+阅读 · 2019年9月10日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
20+阅读 · 2018年7月12日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
7+阅读 · 2018年4月24日
Top
微信扫码咨询专知VIP会员