Indexed by：
Abstract：
针对全卷积神经网络在图像分割上易出现一些孤立的错分像素点或像素块现象,提出一种新的全卷积神经网络结构模型,并定义特征概率图约束损失函数作为本研究模型的优化目标.该损失函数衡量了图像中的像素点属于前景和背景概率的差距.同时,该模型使用新定义的损失函数与常用的交叉熵损失函数的加权组合联合训练网络模型.在肺数据集和手势数据集的实验结果表明,该网络模型可以减少部分错分的孤立像素点和孤立像素块的出现.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报:自然科学版
ISSN： 1000-2243
CN： 35-1337/N
Year： 2019
Issue： 3
Volume： 47
Page： 327-332
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
