• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Content-sensitive superpixel segmentation via self-organization-map neural network
【24h】

Content-sensitive superpixel segmentation via self-organization-map neural network

机译：通过自组织映射神经网络进行内容敏感的超像素分割

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Content-sensitive superpixel segmentation generates small superpixels in content-dense regions and large superpixels in content-sparse regions. It achieves higher segmentation accuracy than traditional superpixels. In this paper, we propose a content-sensitive superpixel segmentation algorithm based on Self-Organization-Map (SOM) neural network. First, we propose a novel metric to measure the content-sensitiveness of superpixels. Second, by using this metric, we develop a sampling algorithm to sample pixels from image according to their content-sensitiveness. Finally, a SOM neutral network is trained with the sampled pixels and used to segment the image into content-sensitive superpixels. The Berkeley Image Segmentation database and INRIA database are used to evaluate the proposed method. The experiment results show that the proposed approach outperforms state-of-the-art methods. (C) 2019 Published by Elsevier Inc.
机译：对内容敏感的超像素分割在内容密集区域生成小超像素，在内容稀疏区域生成大超像素。与传统的超像素相比，它具有更高的分割精度。本文提出了一种基于自组织映射神经网络的内容敏感超像素分割算法。首先，我们提出了一种新颖的度量标准来测量超像素的内容敏感度。其次，通过使用该度量，我们开发了一种采样算法，根据像素的内容敏感度从图像中采样像素。最后，使用采样的像素训练SOM中性网络，并将其用于将图像分割为内容敏感的超像素。伯克利图像分割数据库和INRIA数据库用于评估该方法。实验结果表明，该方法优于最新方法。 （C）2019由Elsevier Inc.发布

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号