[發(fā)明專利]一種基于ResNet與UNet模型的圖像分割方法

有效

• 申請?zhí)枺?/td>: 201911358532.1
• 申請日: 2019-12-25
• 公開（公告）號: CN111145188B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計(jì)）人: 侯彪;焦李成;付勐;馬晶晶;張向榮;馬文萍
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 高博

1.一種基于ResNet與UNet模型的圖像分割方法，其特征在于，包括以下步驟：

S1、將原始的RGB三通道圖像大小進(jìn)行調(diào)整，并對應(yīng)調(diào)整標(biāo)簽圖像大小；

S2、將步驟S1調(diào)整后的RGB圖像作為UNet圖像分割模塊的輸入，具體為：

S201、設(shè)置卷積核大小為3×3，步長為1的卷積層；

S202、設(shè)置卷積核大小為2×2的池化層；

S203、設(shè)置卷積核大小為2×2，步長為2的反卷積層；

S204、將調(diào)整后的RGB圖像作為輸入，進(jìn)行下采樣操作后每一層的大小分別為：400×320×64，200×160×128，100×80×256，50×40×512，25×20×1024；

S205、進(jìn)行上采樣操作，并將每一層大小相同的輸出進(jìn)行拼接，之后進(jìn)行卷積操作，上采樣操作后每一層的大小分別為：50×40×512，100×80×256，200×160×128，400×320×64；

S206、對最后一層進(jìn)行卷積操作，使用sigmoid激活函數(shù)得到大小為400×320×1的輸出，與標(biāo)簽圖像大小一致；

S3、將步驟S1調(diào)整后的RGB圖像作為ResNet特征提取模塊的輸入，保留前三層的輸出結(jié)果替換UNet第三、四、五層的輸出結(jié)果，得到基于ResNet和UNet的圖像分割訓(xùn)練模型，并對模型進(jìn)行訓(xùn)練，具體為：

S301、設(shè)置殘差網(wǎng)絡(luò)，通過殘差的方式將輸入與輸出相加得到新的輸出；

S302、加載訓(xùn)練好的ResNet模型參數(shù)；

S303、將調(diào)整后的RGB三通道圖像作為ResNet模型的輸入，輸入圖像大小為：400×320×64，得到前三層的輸出大小分別為：100×80×256，50×40×512，25×20×1024；

S304、將ResNet模型前三層的輸出保留，替換UNet第三層、第四層、第五層的輸出；

S4、將訓(xùn)練得到的模型參數(shù)作為預(yù)測模型，進(jìn)行圖像分割。

2.根據(jù)權(quán)利要求1所述的基于ResNet與UNet模型的圖像分割方法，其特征在于，步驟S1中，RGB三通道圖像大小調(diào)整為400×320×3，對應(yīng)的標(biāo)簽圖像大小調(diào)整為400×320×1。

3.根據(jù)權(quán)利要求1所述的基于ResNet與UNet模型的圖像分割方法，其特征在于，步驟S4中，輸出結(jié)果的大小與標(biāo)簽圖像的大小一致。

4.根據(jù)權(quán)利要求1所述的基于ResNet與UNet模型的圖像分割方法，其特征在于，步驟S4中，訓(xùn)練次數(shù)為100。