[发明专利]融合全卷积神经网络与改进ASPP模块的场景分割方法有效
| 申请号： | 201910914699.5 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110706239B | 公开（公告）日： | 2022-11-11 |
| 发明（设计）人： | 王宏健;胡文月;李庆;管凤旭;肖瑶;班喜程 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V20/70;G06V10/80;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于深度学习及机器视觉领域，具体涉及一种融合全卷积神经网络与改进ASPP模块的场景分割方法。本发明采用图像预处理操作能够防止模型过拟合，同时提高模型的适应能力；针对池化和下采样的重复组合的操作引起特征分辨率下降的问题，采用全卷积神经网络；在第五层卷积层后面加入改进的ASPP模块，融入图像级别的特征来捕获远距离信息，增加模型本身的适应能力；采用反卷积进行上采样，优势是可以自己学习参数；针对网络层数加深，边缘细节信息损失严重的问题，保留二倍下采样信息并与四倍上采样信息进行融合。 | ||
| 搜索关键词： | 融合 卷积 神经网络 改进 aspp 模块 场景 分割 方法 | ||
【主权项】：
1.融合全卷积神经网络与改进ASPP模块的场景分割方法，其特征在于，包括以下步骤：/n步骤1：根据待识别的图片，搜集相关数据，制作数据集；/n步骤2：对数据集中的图片预处理；/n步骤3：搭建神经网络模型框架；/n所述的神经网络模型框架包括图像预处理模块、下采样模块、改进ASPP模块和上采样模块；所述的神经网络模型框架基于resnet-101改进，将神经网络的第四层和第五层的卷积分别换成步长为2和4的带孔卷积；去掉神经网络中所有的池化层；在第五层卷积层后面加入改进的ASPP模块，融入图像级别的特征来捕获远距离信息；采用反卷积进行上采样；随着网络层数加深，边缘细节信息损失严重，因此保留2倍下采样信息，将其与四倍上采样信息进行融合；所述的改进ASPP模块是用不同采样率的多个并行的多孔卷积层；对每个采样率提取的特征进一步在单独的分支中进行处理，并进行融合以产生最终结果；/n步骤4：训练神经网络模型；/n步骤5：将待识别的图片输入训练好的神经网络模型中，得到识别结果。/n
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910914699.5/，转载请声明来源钻瓜专利网。
