[發明專利]基于語義傳播與前背景感知的圖像語義分割方法及系統在審
| 申請號： | 202210109479.7 | 申請日： | 2022-01-28 |
| 公開（公告）號： | CN114494699A | 公開（公告）日： | 2022-05-13 |
| 發明（設計）人： | 陳羽中;占小路 | 申請（專利權）人： | 福州大學 |
| 主分類號： | G06V10/26 | 分類號： | G06V10/26;G06N3/04;G06N3/08 |
| 代理公司： | 福州元創專利商標代理有限公司 35100 | 代理人： | 張燈燦;蔡學俊 |
| 地址： | 350108 福建省福州市*** | 國省代碼： | 福建;35 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 語義 傳播 背景 感知 圖像 分割 方法 系統 | ||
1.一種基于語義傳播與前背景感知的圖像語義分割方法，其特征在于，包括以下步驟：
步驟A：收集特定場景的圖像樣本，并標注每個像素所屬的對象類別，構建帶類別標簽的訓練集；
步驟B：利用圖像增強技術對訓練集進行數據增強，得到增強后的訓練集SE；
步驟C：使用訓練集SE訓練基于語義傳播與前背景感知的深度學習網絡模型，用于分析圖像中每個像素的語義類別；
步驟D：將待分割圖像輸入到訓練后的深度學習網絡模型中，輸出與原圖大小相同的語義分割圖，得到語義分割結果。
2.根據權利要求1所述的基于語義傳播與前背景感知的圖像語義分割方法，其特征在于，所述步驟B中，對訓練集中的原始圖像及對應掩碼標注進行隨機水平翻轉，并在設定范圍內進行隨機縮放以及隨機亮度抖動。
3.根據權利要求1所述的基于語義傳播與前背景感知的圖像語義分割方法，其特征在于，所述步驟C具體包括以下步驟：
步驟C1：將訓練集SE中的樣本圖像的特征圖輸入深度卷積神經網絡，提取高層特征與低層特征的提取，然后送入聯合語義傳播上采樣模塊；
步驟C2：在聯合語義傳播上采樣模塊中，通過語義傳播方法，利用高層特征的語義信息指導低層特征增強語義表示，并嵌入到層次上采樣結構中，得到分辨率大且富含語義信息的特征圖Xout，并送入金字塔前背景感知模塊；
步驟C3：在金字塔前背景感知模塊中，對輸入特征提取多尺度的前景上下文特征以及背景上下文特征，并計算出每個前景上下文特征與背景上下文特征之間的依賴關系圖，利用依賴關系圖與對應的前景上下文特征進行加權，增強前景特征的表示能力，最后融合得到特征圖Eout；
步驟C4：將Eout輸入softmax層，根據目標損失函數loss，利用反向傳播方法計算深度學習網絡模型中的各參數的梯度，并利用隨機梯度下降方法更新參數；
步驟C5：當深度學習網絡模型產生的損失值迭代變化小于設定閾值或迭代達到最大迭代次數，終止深度學習網絡模型的訓練。
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福州大學，未經福州大學許可，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/202210109479.7/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：顯示基板及其制備方法、顯示裝置
- 下一篇：一種智能家居綠色減碳系統
