[發(fā)明專利]一種基于多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法

在審

• 申請?zhí)枺?/td>: 201710382556.5
• 申請日: 2017-05-26
• 公開（公告）號: CN107169974A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 黃林;邱本勝;高欣
• 申請（專利權(quán)）人: 中國科學(xué)技術(shù)大學(xué)
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06N3/08;G06K9/62
• 代理公司: 北京科迪生專利代理有限責(zé)任公司11251
• 代理人: 楊學(xué)明,顧煒

1.一種基于多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于，步驟如下：

第一步，采用各向異性擴(kuò)散濾波算法對輸入圖像進(jìn)行去噪處理，接著對去除噪聲后的圖像進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化處理后的圖像；

第二步，將第一步標(biāo)準(zhǔn)化后的圖像輸入到多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練；

第三步，將經(jīng)過步驟一中預(yù)處理操作后的測試圖像輸入到步驟二中已經(jīng)訓(xùn)練好的多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)模型之中，將多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)模型中得到的融合層的分割結(jié)果作為最終的分割結(jié)果。

2.根據(jù)權(quán)利要求1所述基于多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于：所述步驟二中，所述多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)如下，在conv5_3之前保持vgg-16模型的原始網(wǎng)絡(luò)結(jié)構(gòu)，分別在conv3_3,conv4_3以及conv5_3后添加一個(gè)上采樣層，將conv3_3,conv4_3以及conv5_3輸出的特征圖上采樣到與輸入圖像同樣大小，在上采樣過程中保留所有的特征通道，使得網(wǎng)絡(luò)學(xué)習(xí)到更多的全局特征以及多層的語義信息，接著分別在三個(gè)上采樣層后添加一個(gè)邊輸出分類器來獲取邊輸出層的分割結(jié)果，并通過權(quán)重?fù)p失函數(shù)計(jì)算分割結(jié)果與標(biāo)簽之間的損失值，最后將三個(gè)上采樣層得到的特征圖進(jìn)行拼接，再經(jīng)過一個(gè)融合層將三個(gè)邊輸出層的分類結(jié)果進(jìn)行融合，得到最終的圖像分割結(jié)果，并計(jì)算融合層輸出結(jié)果同標(biāo)簽之間的損失值。

3.根據(jù)權(quán)利要求2所述基于多監(jiān)督全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割方法，其特征在于：所述權(quán)重?fù)p失函數(shù)在計(jì)算分割結(jié)果與標(biāo)簽之間的損失值時(shí)，權(quán)重?fù)p失函數(shù)在傳統(tǒng)的softmaxloss函數(shù)的基礎(chǔ)上作了改進(jìn)，在softmaxloss函數(shù)的計(jì)算公式中加入一個(gè)類間平衡參數(shù)，該類間平衡參數(shù)能夠減輕目標(biāo)像素?cái)?shù)目與背景像素?cái)?shù)目不平衡對分割結(jié)果所帶來的影響。