[發(fā)明專利]一種基于深度學(xué)習(xí)的圖像分割系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910083679.8
• 申請日: 2019-01-29
• 公開（公告）號: CN109886990B
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計）人: 趙穎;劉殿超
• 申請（專利權(quán)）人: 理光軟件研究所（北京）有限公司
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/11
• 代理公司: 北京迎碩知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11512
• 代理人: 呂良;張群峰

1.一種基于深度學(xué)習(xí)的圖像分割系統(tǒng)，包括特征提取單元，部件分割單元，部件匹配單元，部件融合單元和優(yōu)化單元,其特征在于：特征提取單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)提取輸入圖像的特征，生成多個特征圖；部件分割單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)對圖像中的物體的各個組成部件分別進行分割，生成各個組成部件的部件特征圖及部件分割圖；部件匹配單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)由每個組成部件的部件特征圖各推導(dǎo)生成一個全類別分割圖，計算并輸出部件匹配分值；部件融合單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)將每個組成部件的部件特征圖對應(yīng)進行融合，生成一個全類別分割圖，計算并輸出部件融合分值；優(yōu)化單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)的損失計算層、部件匹配分值及部件融合分值，更新卷積神經(jīng)網(wǎng)絡(luò)參數(shù)及各個組成部件的部件特征圖，更新并輸出優(yōu)化后的部件分割圖；

部件分割單元，利用卷積神經(jīng)網(wǎng)絡(luò)的反卷積層、卷積層、損失計算層，以及多個特征圖，對圖像中的物體的各個組成部件分別進行分割，生成各個組成部件的部件特征圖及部件分割圖，包括：

a.對特征圖進行反卷積操作，生成反卷積圖；

b.對反卷積圖進行歸一化操作，生成歸一化后的反卷積圖；

c.對歸一化后的反卷積圖進行上采樣操作，生成部件特征圖；

d.調(diào)整上述步驟的參數(shù)后進行若干次重復(fù)計算；

e.訓(xùn)練網(wǎng)絡(luò)時，重復(fù)上述步驟，直至損失達到閾值；

f.輸出各個組成部件的部件特征圖及部件分割圖；

部件匹配單元，利用卷積神經(jīng)網(wǎng)絡(luò)的反卷積層、卷積層、損失計算層，以及各個組成部件的部件特征圖，對圖像中的物體進行整體分割，即由每個組成部件的部件特征圖各推導(dǎo)生成一個全類別分割圖，并根據(jù)生成的多個全類別分割圖之間的相似性，計算并輸出部件匹配分值，包括：

a.對各個組成部件的部件特征圖進行卷積操作，生成各個組成部件的卷積圖；

b.對各個組成部件的卷積圖進行上采樣操作，生成尺寸增大的各個組成部件的卷積圖；

c.將尺寸增大的各個組成部件的卷積圖進行融合；

d.調(diào)整上述步驟的參數(shù)后進行若干次重復(fù)計算；

e.訓(xùn)練網(wǎng)絡(luò)時，重復(fù)上述步驟，直至損失達到閾值；

f.輸出由各個組成部件分別推導(dǎo)出的全類別分割圖；

g.計算當前部件與其余部件的全類別分割圖兩兩之間的相似性，并將相似性的平均值作為當前部件的部件匹配分值輸出。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的圖像分割系統(tǒng)，其特征在于：特征提取單元，利用卷積神經(jīng)網(wǎng)絡(luò)的卷積層、池化層、歸一化層，提取輸入圖像的特征，生成多個特征圖；部件分割單元，利用卷積神經(jīng)網(wǎng)絡(luò)的反卷積層、卷積層、損失計算層，以及多個特征圖，對圖像中的物體的各個組成部件分別進行分割，生成各個組成部件的部件特征圖及部件分割圖；部件匹配單元，利用卷積神經(jīng)網(wǎng)絡(luò)的反卷積層、卷積層、損失計算層，以及各個組成部件的部件特征圖，對圖像中的物體進行整體分割，即由每個組成部件的部件特征圖各推導(dǎo)生成一個全類別分割圖，并根據(jù)生成的多個全類別分割圖之間的相似性，計算并輸出部件匹配分值；部件融合單元，利用卷積神經(jīng)網(wǎng)絡(luò)的反卷積層、卷積層、損失計算層，以及各個組成部件的部件特征圖，對圖像中的物體進行整體分割，即將每個組成部件的部件特征圖對應(yīng)進行融合，生成一個全類別分割圖，并根據(jù)生成全類別分割圖的完整性，計算并輸出部件融合分值；優(yōu)化單元，利用卷積神經(jīng)網(wǎng)絡(luò)的損失計算層、部件匹配分值及部件融合分值，更新卷積神經(jīng)網(wǎng)絡(luò)參數(shù)及各個組成部件的部件特征圖，更新并輸出優(yōu)化后的部件分割圖。

3.根據(jù)權(quán)利要求2所述的圖像分割系統(tǒng)，其特征在于：特征提取單元，利用卷積神經(jīng)網(wǎng)絡(luò)的卷積層、池化層、歸一化層，提取輸入圖像的特征，生成多個特征圖，包括：

a.對輸入圖像進行卷積操作，生成卷積圖；

b.對卷積圖進行歸一化操作，生成歸一化后的卷積圖；

c.對歸一化后的卷積圖進行池化操作，生成特征圖；

d.調(diào)整上述步驟的參數(shù)后進行若干次重復(fù)計算；

e.達到預(yù)設(shè)的計算次數(shù)時，輸出多組參數(shù)下生成的特征圖。