[发明专利]一种基于优化卷积神经网络的图像语义分割方法

权利要求书

1.一种基于优化卷积神经网络的图像语义分割方法，其特征在于，包括如下步骤：

步骤1、从视频中截取具有复杂场景的一张彩色图像，作为样本图像；

步骤2、对样本图像进行预处理，包括归一化操作、图像伸缩操作，通过特征编码器提取预处理之后样本图像的图像特征；图像增强模型基于所述图像特征对样本图像进行图像增强，得到增强样本图像；

步骤3：对增强样本图像通过已优化的卷积神经网络进行图像语义分割形成初始分割样本集，其中，图像语义分割具体方法为当前分割数量为前一次分割数量的多倍；

步骤4：以迭代法的方式对已优化的卷积神经网络进行再次训练，具体方法为：

以间隔的方式获取初始分割样本集中的初始分割样本作为当前初始分割样本；与当前初始分割样本相邻的下一个初始分割样本作为下一初始分割样本；

用当前初始分割样本对已优化的卷积神经网络进行训练，得到训练后的卷积神经网络，用下一初始分割样本对训练后的卷积神经网络进行验证，得到优化的卷积神经网络；

步骤5：将经步骤4获得优化的卷积神经网络作为已优化的卷积神经网络，返回执行步骤1直至结束图像处理过程。

2.如权利要求1所述的基于优化卷积神经网络的图像语义分割方法，其特征在于，所述步骤2中，所述特征编码器为ResNet-101网络，第一模块使用的是3x3卷积核，输入图像的分辨率是本模块输出的4倍；第二模块使用的是3x3卷积核，输入图像的分辨率是本模块输出的8倍。

3.如权利要求1或2所述的基于优化卷积神经网络的图像语义分割方法，其特征在于，所述步骤2中，所述特征编码器为ResNet-101网络，其中，第三模块使用的卷积核在3X3卷积核的基础上叠加上3X1卷积核以及1X3卷积核。

4.如权利要求3所述的基于优化卷积神经网络的图像语义分割方法，其特征在于，所述特征编码器为ResNet-101网络，其中，第4模块至第7模块使用了空洞卷积作为卷积核,卷积核的尺寸都为3x3,步长分别为4,8,16。

5.如权利要求1所述的基于优化卷积神经网络的图像语义分割方法，其特征在于，所述步骤3中，图像语义分割具体方法为当前分割数量为前一次分割数量的1倍。