[發(fā)明專利]一種基于金字塔空洞卷積網(wǎng)絡(luò)的語(yǔ)義分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010108637.8
• 申請(qǐng)日: 2020-02-21
• 公開（公告）號(hào): CN111369563B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 史景倫;張宇;傅釬栓;李顯惠;林陽(yáng)城
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué);廣州夢(mèng)輝機(jī)器人有限公司
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06N3/0464
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 蔣劍明

1.一種基于金字塔空洞卷積網(wǎng)絡(luò)的語(yǔ)義分割方法，其特征在于，所述的金字塔空洞卷積網(wǎng)絡(luò)包括第一殘差遞歸卷積模塊、第二殘差遞歸卷積模塊、池化層、金字塔池化模塊、空洞卷積模塊、反卷積層、第三殘差遞歸卷積模塊、第四殘差遞歸卷積模塊、softmax預(yù)測(cè)層，其結(jié)構(gòu)連接方式為：所述的第一殘差遞歸卷積模塊依次串聯(lián)池化層、第二殘差遞歸卷積模塊、池化層，所述的金字塔池化模塊和空洞卷積模塊并聯(lián)后與前述的池化層串聯(lián)，然后依次串聯(lián)反卷積層、第三殘差遞歸卷積模塊、反卷積層、第四殘差遞歸卷積模塊、softmax預(yù)測(cè)層；所述的語(yǔ)義分割方法包括如下步驟：

S1、獲取包含真實(shí)分割結(jié)果的醫(yī)療圖像數(shù)據(jù)集，對(duì)該數(shù)據(jù)集進(jìn)行預(yù)處理操作實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)；

S2、將預(yù)處理圖像依次通過(guò)第一殘差遞歸卷積模塊、池化層、第二殘差遞歸卷積模塊、池化層，多尺度提取圖像的語(yǔ)義信息，分別得到淺層圖像特征F₁₁、F₁₂、F₂₁、F₂₂；

S3、將圖像特征F₂₂通過(guò)一個(gè)由金字塔池化模塊和空洞卷積模塊并聯(lián)的網(wǎng)絡(luò)，其中，將圖像特征F₂₂通過(guò)金字塔池化模塊后得到圖像特征F₃，將圖像特征F₂₂通過(guò)空洞卷積模塊后得到圖像特征F₄；將圖像特征F₃、F₄進(jìn)行逐通道的聚合操作，然后再通過(guò)一個(gè)卷積核為1×1的卷積層，得到深層圖像特征F₅，從而進(jìn)一步提取深層次的語(yǔ)義信息；

S4、將圖像特征F₅通過(guò)一個(gè)反卷積層，然后再與通過(guò)跳躍連接傳遞過(guò)來(lái)的淺層圖像特征F₂₁進(jìn)行逐通道的聚合操作，得到圖像特征F₆₁；再將圖像特征F₆₁通過(guò)第三殘差遞歸卷積模塊，得到圖像特征F₆₂，其中，所述的跳躍連接是直接將淺層特征傳遞過(guò)來(lái)，與通過(guò)反卷積層后的結(jié)果進(jìn)行逐通道的聚合；

S5、將圖像特征F₆₂通過(guò)一個(gè)反卷積層，然后再與通過(guò)跳躍連接傳遞過(guò)來(lái)的淺層圖像特征F₁₁進(jìn)行逐通道的聚合操作，得到圖像特征F₇₁；再將圖像特征F₇₁通過(guò)第四殘差遞歸卷積模塊，得到圖像特征F₇₂；

S6、將圖像特征F₇₂輸入到softmax預(yù)測(cè)層，得到原始輸入圖像中每個(gè)像素所屬的類別；

S7、訓(xùn)練金字塔空洞卷積網(wǎng)絡(luò)，建立損失函數(shù)，通過(guò)訓(xùn)練樣本確定網(wǎng)絡(luò)參數(shù)；

S8、將待分割的測(cè)試圖像輸入到訓(xùn)練完成的金字塔空洞卷積網(wǎng)絡(luò)，得到該圖像的語(yǔ)義分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于金字塔空洞卷積網(wǎng)絡(luò)的語(yǔ)義分割方法，其特征在于，所述的步驟S1中預(yù)處理操作包括旋轉(zhuǎn)、切片、標(biāo)準(zhǔn)化、自適應(yīng)直方圖均衡。

3.根據(jù)權(quán)利要求1所述的一種基于金字塔空洞卷積網(wǎng)絡(luò)的語(yǔ)義分割方法，其特征在于，所述的第一殘差遞歸卷積模塊、第二殘差遞歸卷積模塊、第三殘差遞歸卷積模塊、第四殘差遞歸卷積模塊結(jié)構(gòu)相同，每個(gè)殘差遞歸卷積模塊都是先將輸入通過(guò)兩個(gè)串聯(lián)的遞歸卷積層，然后再與輸入以殘差方式相加得到輸出；所述的遞歸卷積層的結(jié)構(gòu)連接依次為conv、ReLU、Add、conv、ReLU、Add、conv、ReLU，其中conv是一個(gè)卷積核為3×3的卷積層，Add為與輸入進(jìn)行逐像素相加；