[发明专利]基于循环神经网络的实时超像素分割方法及系统

权利要求书

1.一种基于循环神经网络的实时超像素分割方法，其特征在于，包括：

提取输入图像的特征，并对所述图像进行超像素关联图初始化；

基于预设训练好的循环神经网络，对所述输入图像进行实时超像素分割，所述循环神经网络的输入是由超像素关联图初始化提取的初始输入和初始隐向量确定；

所述基于预设训练好的循环神经网络，对所述输入图像进行实时超像素分割，包括：

构建所述循环神经网络的初始输入和初始隐向量；

基于所述初始输入和初始隐向量，循环迭代，更新特征和超像素关联图，公式为：

z_t＝σ(Conv_3×3(H_t-1,S_t],W_z)；

r_t＝σ(Conv_3×3(H_t-1,S_t],W_r)；

Q_t＝f(H_t)；

其中，H_t表示更新的隐向量，S表示输入，Q_t表示更新的超像素关联图；

通过监督训练，得到训练后的循环神经网络；

所述通过监督训练，得到训练后的循环神经网络，包括：

使用语义特征和位置特征作为监督特征，对构建的循环神经网络进行监督训练，得到训练后的循环神经网络；

其中，基于公式：

和公式：

分别使用语义特征Sem和位置特征Pos代替GRU初始特征F_GRU_init，得到重构的监督特征Sem_recon和Pos_recon；

其中，C表示超像素质心，Q_init′表示每个像素属于每个超像素的概率图。

2.根据权利要求1所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述提取输入图像的特征，包括：

基于预设的特征提取网络，提取输入图像的初始特征。

3.根据权利要求2所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述对所述图像进行超像素关联图初始化，包括：

基于所述输入图像的大小以及预设的超像素大小，使用规则网络初始化超像素分割。

4.根据权利要求3所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述方法还包括：

超像素数目按照预设值进行控制，以使得超像素分割速度达到50fps以上。