[发明专利]结合语义分割的多描述编码方法及系统有效

专利信息
申请号: 201911175793.X 申请日: 2019-11-26
公开(公告)号: CN110909744B 公开(公告)日: 2022-08-19
发明(设计)人: 孟丽丽;李雪;谭艳艳;张佳;万文博;张化祥 申请(专利权)人: 山东师范大学
主分类号: G06V10/26 分类号: G06V10/26;G06N3/08;G06V10/774;G06V10/82;G06V20/70
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 李圣梅
地址: 250014 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 结合 语义 分割 描述 编码 方法 系统
【权利要求书】:

1.结合语义分割的多描述编码方法,其特征是,包括:

将原始图像与相对应的语义分割标签作为输入传至多描述特征生成网络;

多描述特征生成网络利用图像上下文特征生成相似但又不完全相同的两个描述;

生成的两个描述分别进入语义分割编码网络中编码,描述首先上采样成与原始图像大小一致的上采样图像,之后与语义分割映射一起经过生成网络生成残差图像,残差图像又与上采样图像像素相加得到粗重构图像;

两个描述标记为第一描述和第二描述;

对第一描述和第二描述,分别作上采样处理得到大小与原始图像一致的图像,结合初始的语义分割标签经过语义分割编码网络得到输入描述的残差图像,残差图像与上采样图像相加得到第一粗重构图像及第二粗重构图像;

生成的粗重构图像经信息道传输至多描述解码网络,而语义分割标签被标准编码器编码之后也传输至多描述解码网络,经解码得到最终重构图像;

如果第一粗重构图像成功被多描述解码网络接收,然而第二粗重构图像在传输过程中丢失,则第一粗重构图像与语义分割标签一起被解码得到最终重构图像,此为第一边重构图像;

如果第二粗重构图像成功被多描述解码网络接收,然而第一粗重构图像在传输过程中丢失,则第二粗重构图像与语义分割标签一起被解码得到最终重构图像,此为第二边重构图像;

如果第一粗重构图像与第二粗重构图像都成功被多描述解码网络接收,则两个粗重构图像与语义分割标签一起被解码得到最终重构图像,此为中心重构图像。

2.如权利要求1所述的结合语义分割的多描述编码方法,其特征是,得到的第一粗重构图像及第二粗重构图像经过信息道传输,语义分割标签经过标准编码器编码也传输进信息道,而后经解码器解码。

3.如权利要求1所述的结合语义分割的多描述编码方法,其特征是,在多描述特征生成网络中采用卷积操作,生成描述。

4.如权利要求1所述的结合语义分割的多描述编码方法,其特征是,得到两个描述之后,使用语义分割编码网络对其分别编码,对描述进行上采样操作。

5.如权利要求1所述的结合语义分割的多描述编码方法,其特征是,对第一描述和第二描述可依次进行处理得到描述的压缩重构图像,或者同时进行处理得到各自相应的压缩重构图像。

6.如权利要求4所述的结合语义分割的多描述编码方法,其特征是,上采样操作后得到的图像与初始的语义分割标签结合作为输入传输进生成网络FineNetwork中生成一个残差值。

7.结合语义分割的多描述编码系统,其特征是,包括多描述特征生成网络,语义分割编码网络以及三个多描述解码网络;

多描述特征生成网络接收原始图像与相对应的语义分割标签作为输入信息;

多描述特征生成网络利用图像上下文特征生成相似但又不完全相同的两个描述;

生成的两个描述分别进入语义分割编码网络中编码,描述首先上采样成与原始图像大小一致的上采样图像,之后与语义分割映射一起经过生成网络生成残差图像,残差图像又与上采样图像像素相加得到粗重构图像;

两个描述标记为第一描述和第二描述;

对第一描述和第二描述,分别作上采样处理得到大小与原始图像一致的图像,结合初始的语义分割标签经过语义分割编码网络得到输入描述的残差图像,残差图像与上采样图像相加得到第一粗重构图像及第二粗重构图像;

生成的粗重构图像经信息道传输至多描述解码网络,而语义分割标签被标准编码器编码之后也传输至多描述解码网络,经解码得到最终重构图像;

如果第一粗重构图像成功被多描述解码网络接收,然而第二粗重构图像在传输过程中丢失,则第一粗重构图像与语义分割标签一起被解码得到最终重构图像,此为第一边重构图像;

如果第二粗重构图像成功被多描述解码网络接收,然而第一粗重构图像在传输过程中丢失,则第二粗重构图像与语义分割标签一起被解码得到最终重构图像,此为第二边重构图像;

如果第一粗重构图像与第二粗重构图像都成功被多描述解码网络接收,则两个粗重构图像与语义分割标签一起被解码得到最终重构图像,此为中心重构图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911175793.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top