[發明專利]一種基于深度學習的全景分割方法在審
| 申請號： | 202110337987.6 | 申請日： | 2021-03-30 |
| 公開（公告）號： | CN113096136A | 公開（公告）日： | 2021-07-09 |
| 發明（設計）人： | 賈海濤;毛晨;齊晨陽;賈宇明;許文波;王云;鄒新雷;王子彥 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06T7/11 | 分類號： | G06T7/11;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 全景 分割 方法 | ||
【權利要求書】：
1.一種基于深度學習的全景分割方法，其特征在于，包括以下步驟：
步驟1：使用ResNet-50與FPN網絡作為全景分割通向特征提取的骨干網絡。提取特征圖P1,P2,P3,P4,P5；
步驟2：將步驟1中共享特征送入語義分割子網絡進行語義分割；
步驟3：將步驟1中共享特征送入RPN網絡進行實例錨框預測；
步驟4：在步驟3中，將步驟2得到的語義分割特征圖經過語義輔助實例模塊與步驟3中的特征圖融合得到實例分割特征圖；
步驟5：根據步驟4中的實例分割特征圖進行實例分割；
步驟6：將步驟2與步驟5的分割結果進行融合，得到全景分割結果。
2.如權利要求1所述方法，其特征在于，步驟2中的語義分割子網絡中首先會通過一個語義注意力模塊對特征權重進行優化。
3.如權利要求1所述方法，其特征在于，步驟3中的實例分割子網絡中首先會通過一個實例注意力模塊對特征權重進行優化。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
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電子科技大學，未經電子科技大學許可，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/202110337987.6/1.html，轉載請聲明來源鉆瓜專利網。
