[发明专利]卷积神经网络的语义图像分割方法

权利要求书

1.卷积神经网络的语义图像分割方法，其特征在于包括步骤：

构建由卷积层、池化层、上采样层、损失函数组成的网络架构模型，且模型中每一分层的步长大小、卷积核大小以及输出的特征图个数按规格定制，所述网络架构模型至少含有顺次排列的五个分层，每个分层由池化层及其相关联的卷积层构成，网络架构模型的输出端接一个对应原图分辨率的上采样层，且最末端分层与上采样层之间设有特征融合单元，所述特征融合单元的运作方式：（1）第四池化层和第五池化层的输出分别接一个卷积层，转变成通道数为21的输出，所述卷积层分别接一个上采样层，使图片的分辨率大小与第三池化层输出的分辨率大小一致；（2）第三池化层的输出接一个卷积层转变成通道数为21的输出；（3）然后把（1）和（2）中各输出的特征图通过求和的方式进行特征融合；将融合后的特征进行上采样至原图分辨率大小；

对上采样输出的特征图像采用全连接的条件随机场进行后处理优化分割，所述优化分割通过能量公式最小化实现，所述能量公式为：

，其中为一元能量项、为二元能量项，仅当两个能量项均最小时得到最优的图像分割，其中所述一元能量项表示像素点本身，公式为：，其中是网络架构模型对图片x中的每个像素点输出的概率值，为图片x中第i个像素点所对应的标签，当最大时，一元能量项最小；所述二元能量项表示像素点之间的关系，公式为：

，其中和分别代表图片x中第i、j个像素点和的位置，和分别代表像素点和的颜色，与分别代表像素点所对应的标签，参数和用于限制高斯核的尺度，在不等于的情况下=1，否则=0。