[發明專利]智慧場景分割技術在審
| 申請號： | 202110303480.9 | 申請日： | 2021-03-22 |
| 公開（公告）號： | CN113158802A | 公開（公告）日： | 2021-07-23 |
| 發明（設計）人： | 湯偉建;許光宇 | 申請（專利權）人： | 安徽理工大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 232001 安徽*** | 國省代碼： | 安徽;34 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 智慧 場景 分割 技術 | ||
1.智慧場景分割技術，其特征在于：所述智慧場景分割技術由提取場景模塊和場景分割設備組合而成；所述提取場景模塊為高清海康威視C6記錄儀。
2.根據權利要求1所述的智慧場景分割技術，其特征在于：所述場景分割設備由EFFNet語義分割模型和小型超級算力設備組成；所述小型超級算力設備由英特爾Core
3.根據權利要求1所述的智慧場景分割技術，其特征在于：所述EFFNet語義分割模型由ResNet編碼器網絡、特征重用模塊、特征融合模塊、全局池化模塊和空間信息模塊組成；所述ResNet編碼器網絡為ResNet50。
4.根據權利要求1所述的智慧場景分割技術，其特征在于：所述特征重用模塊由兩個輸入變量、一個特征圖拼接操作、一個1×1卷積層、兩個3×3卷積層、兩個激活函數和一個逐元素相加操作組成，在上采樣階段為模型補充高層語義信息。
5.根據權利要求1所述的智慧場景分割技術，其特征在于：所述特征融合模塊由兩個輸入變量、二個1×1卷積層、一個特征圖拼接操作、一個3×3卷積層組成、一個注意力機制模塊、三個激活函數和一個逐元素相加操作組成，能夠高效融合不同階段的高層語義信息和空間信息；所述注意力機制模塊由一個輸入變量、一個全局池化層、兩個全連接層、兩個激化函數、一個尺度縮放操作和一個逐元素相乘操作組成，能使特征融合模塊學習到帶有區分力的特征圖。
6.根據權利要求1所述的智慧場景分割技術，其特征在于：所述全局池化模塊由一個輸入變量、一個自適應全局池化層、一個1×1卷積層和一個尺度縮放操作組成，為模型補充全局信息。
7.根據權利要求1所述的智慧場景分割技術，其特征在于：空間信息模塊由一個輸入變量、一個3×3卷積層、一個平均池化層、一個激化函數和一個特征圖拼接操作組成，在上采樣階段為模型補充語義類別信息。
8.根據權利要求1-7任一項所述的智慧場景分割技術的處理方法，其特征在于：包括如下步驟：
1)提取場景模塊實時錄取所需場景分割的視頻；
2)視頻傳送到場景分割設備中，通過處理器將視頻分解成多張圖像；
3)EFFNet語義分割模型實時處理多張圖像，得到多張語義圖像；
4)處理器將多張語義圖像壓縮并恢復視頻格式，再傳輸到智能高清顯示器；
5)智能高清顯示器動態顯示場景分割。
9.根據權利要求8所述的智慧場景分割技術的處理方法，其特征在于：所述EFFNet語義分割模型在語義分割數據集上訓練模型參數，之后將訓練所得到的參數載入到模型中。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于安徽理工大學，未經安徽理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110303480.9/1.html，轉載請聲明來源鉆瓜專利網。
