[发明专利]一种针对边缘图像的语义分割优化方法及装置在审
| 申请号： | 201910059828.7 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109919159A | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 赵伟;傅一;王立豪;秦红波;王中正;王海 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 张捷 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 语义分割 像素分割 分割模型 图像边缘信息 随机场模型 边缘图像 连接条件 图像数据 图像语义 优化结果 优化 高级语义信息 获取图像 结果优化 局部边缘 算法获取 提取图像 图像边缘 优化算法 兼容性 鲁棒性 有效地 准确率 算法 验证 灵活 保留 | ||
1.一种针对边缘图像的语义分割优化方法，其特征在于，包括：
选取图像数据；
利用所述图像数据训练并验证图像语义分割模型和全连接条件随机场模型；
利用训练后的所述图像语义分割模型获取图像的语义分割结果；
利用超像素分割算法获取图像边缘信息的超像素分割结果；
利用所述超像素分割结果优化所述语义分割结果，形成第一优化结果；
利用训练后的所述全连接条件随机场模型优化所述第一优化结果。
2.根据权利要求1所述的方法，其特征在于，所述图像数据，包括：
VOC数据集或Cityscapes数据集。
3.根据权利要求1所述的方法，其特征在于，所述利用所述图像数据训练并验证图像语义分割模型和全连接条件随机场模型，包括：
将所述图像数据划分为训练集和验证集；
将所述训练集作为输入，通过迭代监督训练所述图像语义分割模型和所述全连接条件随机场模型；
将所述验证集作为输入，验证训练后的所述图像语义分割模型和训练后的所述全连接条件随机场模型。
4.根据权利要求1所述的方法，其特征在于，所述图像语义分割模型为FCN-8s模型。
5.根据权利要求1所述的方法，其特征在于，所述超像素分割算法为SLIC超像素分割算法。
6.根据权利要求1所述的方法，其特征在于，所述利用所述超像素分割结果优化所述语义分割结果，形成第一优化结果，包括：
对所述超像素分割结果进行语义标签分配，形成特征标签；
利用局部边缘优化算法对所述特征标签进行优化，形成第一优化结果。
7.一种针对边缘图像的语义分割优化装置，其特征在于，包括：
数据选取模块，用于选取图像数据；
训练验证模块，用于利用所述图像数据训练并验证图像语义分割模型和全连接条件随机场模型；
语义分割模块，用于利用训练后的所述图像语义分割模型获取图像的语义分割结果；
超像素分割模块，用于利用超像素分割算法获取图像边缘信息的超像素分割结果；
第一优化模块，用于利用所述超像素分割结果优化所述语义分割结果，形成第一优化结果；
第二优化模块，用于利用训练后的所述全连接条件随机场模型优化所述第一优化结果。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910059828.7/1.html，转载请声明来源钻瓜专利网。
