[发明专利]一种基于细节保持网络的图像分割方法

权利要求书

1.一种基于细节保持网络的图像分割方法，其特征在于，包括以下步骤：

S1，获取图像数据集，构建训练集图像和测试集图像，所述的训练集图像进行预处理使大小设置为H×W；

S2，构建细节保持网络模型，所述细节保持网络模型包括初始卷积块、细节保持块和残差细节保持块；

其中，细节保持网络模型的处理过程具体为：

将大小为H×W的图像首先输入进初始卷积块卷积后得到H×W×C0的特征图，将所述H×W×C0的特征图输入进细节保持块中；

所述细节保持块包括并行的三个输入分支；

在第一输入分支中，所述H×W×C0的特征图经过步长为4的池化层后大小变化为H/4×W/4×C0，再通过3×3×C2的卷积核进行卷积操作后进行上采样操作得到大小为H/2×W/2×C2的第一分支特征图；

在第二输入分支中，所述H×W×C0的特征图经过步长为2的池化层后大小变化为H/2×W/2×C0，再通过3×3×C1的卷积核进行卷积操作后得到H/2×W/2×C1的特征图，并将得到的所述H/2×W/2×C1的特征图与所述第一分支特征图进行融合，并将融合后的特征图通过3×3×C1的卷积核进行卷积操作后进行上采样操作得到大小为H×W×C1的第二分支特征图；

在第三输入分支中，所述H×W×C0的特征图首先经过3×3×C0的卷积核进行卷积操作得到大小为H×W×C0的特征图，将得到的所述大小为H×W×C0的特征图与所述第二分支特征图进行融合，并将融合后的特征图通过3×3×C0的卷积核进行卷积后得到细节保持块输出特征；所述细节保持块输出特征的大小为H×W×C0；

将获得的所述细节保持块输出特征输入到残差细节保持块中，所述残差细节保持块包括并行的三个输入分支：

在第一残差细节输入分支中，所述细节保持块输出特征经过步长为4的池化层后大小变化为H/4×W/4×C0，再通过3×3×C2的卷积核进行卷积操作后进行上采样操作得到大小为H/2×W/2×C2的第一残差细节分支特征图；

在第二残差细节输入分支中，所述细节保持块输出特征经过步长为2的池化层后大小变化为H/2×W/2×C0，再通过3×3×C1的卷积核进行卷积操作后得到H/2×W/2×C1的特征图，并将得到的所述H/2×W/2×C1的特征图与第一残差细节分支特征图进行融合，并将融合后的特征图通过3×3×C1的卷积核进行卷积操作后进行上采样操作得到大小为H×W×C1的第二残差细节分支特征图；

在第三残差细节输入分支中，所述细节保持块输出特征首先经过3×3×C0的卷积核进行卷积操作得到大小为H×W×C0的特征图，将得到的所述大小为H×W×C0的特征图与所述第二残差细节分支特征图进行融合，并将融合后的特征图通过3×3×C0的卷积核进行卷积后与上一层的输出特征进行相加，并通过3×3×C0的卷积核进行卷积得到残差细节保持块输出特征；

S3，将所述训练集输入所述细节保持网络模型进行训练，直到损失函数收敛，获得训练好的细节保持网络模型；

S4，将测试集输入训练好的细节保持网络模型，得到图像分割结果。

2.根据权利要求1所述的方法，其特征在于，所述细节保持网络模型中包括了细节保持块和7个残差细节保持块，所述细节保持块和7个残差细节保持块为串联。