[发明专利]用于街景理解的基于动态插值重建的语义分割方法及系统有效
| 申请号： | 201910359127.5 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110070091B | 公开（公告）日： | 2022-05-24 |
| 发明（设计）人： | 陈羽中;林洋洋;柯逍;黄腾达 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V10/82;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种用于街景理解的基于动态插值重建的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再获取混合空间金字塔池化特征，以这两部分级联作为编码网络提取编码特征；从卷积网络中选取中间层特征，结合编码特征计算插值权重特征，以动态插值的方式搭建解码网络，重建图像分辨率，计算解码特征；计算得到边缘增强的语义分割损失，以最小化边缘增强的语义分割损失为目标对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。 | ||
| 搜索关键词： | 用于 街景 理解 基于 动态 重建 语义 分割 方法 系统 | ||
【主权项】：
1.一种用于街景理解的基于动态插值重建的语义分割方法，其特征在于，包括以下步骤：步骤A：对训练集输入图像进行预处理，首先让图像减去其图像均值使其标准化，然后随机对图像进行统一尺寸的剪切获取相同尺寸的预处理图像；步骤B：用卷积网络提取通用特征Fbackbone，再基于通用特征Fbackbone获取混合空间金字塔池化特征Fmspp，用于捕获多尺度上下文信息，然后以这两部分级联作为编码网络提取编码特征Fencoder；步骤C：从所述卷积网络中选取中间层特征![]()
结合编码特征Fencoder计算插值权重特征![]()
然后以动态插值的方式搭建解码网络，进行图像分辨率重建，计算解码特征Fdecoder；步骤D：用解码特征Fdecoder获取语义分割概率图，结合图像语义分割标注计算边缘增强权重，并利用语义分割概率图及其标注计算得到边缘增强的语义分割损失，以最小化边缘增强的语义分割损失为目标来对整个深度神经网络进行训练；步骤E：利用训练好的深度神经网络模型对待分割图像进行语义分割，输出分割结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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福州大学，未经福州大学许可，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/patent/201910359127.5/，转载请声明来源钻瓜专利网。
