[发明专利]一种基于深度学习的全景分割方法在审
申请号: | 202110337987.6 | 申请日: | 2021-03-30 |
公开(公告)号: | CN113096136A | 公开(公告)日: | 2021-07-09 |
发明(设计)人: | 贾海涛;毛晨;齐晨阳;贾宇明;许文波;王云;邹新雷;王子彦 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06K9/46;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 全景 分割 方法 | ||
1.一种基于深度学习的全景分割方法,其特征在于,包括以下步骤:
步骤1:使用ResNet-50与FPN网络作为全景分割通向特征提取的骨干网络。提取特征图P1,P2,P3,P4,P5;
步骤2:将步骤1中共享特征送入语义分割子网络进行语义分割;
步骤3:将步骤1中共享特征送入RPN网络进行实例锚框预测;
步骤4:在步骤3中,将步骤2得到的语义分割特征图经过语义辅助实例模块与步骤3中的特征图融合得到实例分割特征图;
步骤5:根据步骤4中的实例分割特征图进行实例分割;
步骤6:将步骤2与步骤5的分割结果进行融合,得到全景分割结果。
2.如权利要求1所述方法,其特征在于,步骤2中的语义分割子网络中首先会通过一个语义注意力模块对特征权重进行优化。
3.如权利要求1所述方法,其特征在于,步骤3中的实例分割子网络中首先会通过一个实例注意力模块对特征权重进行优化。
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电子科技大学,未经电子科技大学许可,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/202110337987.6/1.html,转载请声明来源钻瓜专利网。