Fully convolutional networks for semantic segmentation

Convolutional networks are powerful visual models that yield hierarchies of features. We show that convolutional networks by themselves, trained end-to-end, pixels-to-pixels, exceed the state-of-the-art in semantic segmentation. Our key insight is to build "fully convolutional" networks th...

Celý popis

Podrobná bibliografie

Vydáno v:	2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) s. 3431 - 3440
Hlavní autoři:	Long, Jonathan, Shelhamer, Evan, Darrell, Trevor
Médium:	Konferenční příspěvek Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.06.2015
Témata:	Adaptation models Computer architecture Construction Convolution Deconvolution Image segmentation Inference Networks Pattern recognition Segmentation Semantics State of the art Tasks Training
ISSN:	1063-6919, 1063-6919
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!