面向社交媒体内容创作的高精度图像分割与语义解析方法

   近年来,深度学习在高精度图像分割与语义标注领域得到了越来越广泛的 应用。随着深度卷积神经网络的成功,CNNs 在语义分割问题上变得非常流行。目前,这些成功应用的深度模型大都基于全卷积神经网络模型 FCNs。本项目将研究:给定一张自然图像或一段社交媒体视频,系统自动计算图像中各目标对象的语义分割与标注结果。尽管深度学习模型已经取得了一定的进步,但仍面临着许多诸如训练数据集匮乏的挑战。语义分割往往需要十分昂贵的精确到像素级别的语义标注,可以通过设计弱监督训练[Ge2018]来部分解决这些问题。深度模型的参数优化往往也会比较困难,需要经过大量运算获得较好的模型参数,进而也需要设计更加鲁棒的模型优化算法。深度卷积神经模型往往结构比较单一,需要设计解释性好的更加有效的模型来提高语义标注的分割精度。因此,此项目将研究用于解决像素级标注的数据进行弱 监督学习实现 自然场景中的图像视频语义分割与精确解析的视觉任务。

   项目成员组成: 

金小刚     浙江大学 教授
沈建冰    北京理工大学 教授
相伟        浙江大学博士生
姚心然    浙江大学硕士生

万园        浙江大学硕士生 


阿里技术 | 达摩院 copyright@2017-2018 阿里巴巴-浙江大学前沿技术联合研究中心《法律声明》
浙公网安备: 33010002000092号
| ICP备案网站信息: 浙B2-20120091-4