[发明专利]一种难样本实例分割方法、设备及计算机可读存储介质有效
| 申请号： | 202010480111.2 | 申请日： | 2020-05-30 |
| 公开（公告）号： | CN111627033B | 公开（公告）日： | 2023-10-20 |
| 发明（设计）人： | 薛均晓;程君进;徐明亮;吕培 | 申请（专利权）人： | 郑州大学 |
| 主分类号： | G06V20/70 | 分类号： | G06V20/70;G06V10/26;G06V10/762;G06V10/764;G06V10/82;G06V10/774 |
| 代理公司： | 广东君龙律师事务所 44470 | 代理人： | 金永刚 |
| 地址： | 450002 河南省郑州市文化*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 样本 实例 分割 方法 设备 计算机 可读 存储 介质 | ||
1.一种难样本实例分割方法，其特征在于，包括：
图像的预处理，用于使图像的前景和背景易于区分；
图像的难样本分割，用于区分图像中的正样本和负样本；
图像的卷积训练，用于图像中难样本的实例分割。
2.根据权利要求1所述难样本实例分割方法，其特征在于：利用锐化和聚类的方法对图像数据进行预处理。
3.根据权利要求2所述难样本实例分割方法，其特征在于：所述锐化为拉普拉斯锐化，所述聚类为K均值聚类。
4.根据权利要求1所述难样本实例分割方法，其特征在于：所述图像的难样本分割包括有：
图像的分类，使用分类器对预处理后的图像进行分类；
图像IOU值的计算，计算分类后图像的IOU值，并设定IOU阈值；
对比IOU值与设定的IOU阈值，将IOU值大于IOU阈值的图像输出。
5.根据权利要求4所述难样本实例分割方法，其特征在于：所述IOU阈值为0.5。
6.根据权利要求4所述难样本实例分割方法，其特征在于：所述对比IOU值与设定的IOU阈值，将IOU值小于IOU阈值的图像重新输入到分类器中进行分类，重新计算IOU值并对比IOU阈值，将IOU值大于IOU阈值的图像输出，将IOU值小于IOU阈值的图像重复进行分类、计算IOU值并对比IOU阈值。
7.根据权利要求1所述难样本实例分割方法，其特征在于：通过卷积神经网络对图像进行卷积训练。
8.根据权利要求7所述难样本实例分割方法，其特征在于：所述卷积神经网络包括有Deformable ROI Align。
9.一种难样本实例分割设备，其特征在于，包括：
图像的预处理模块，用于使图像的前景和背景易于区分；
图像的难样本分割模块，用于区分图像中的正样本和负样本；
图像的卷积训练模块，用于图像中难样本的实例分割。
10.一种用于难样本实例分割的计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述难样本实例分割方法的步骤。
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郑州大学，未经郑州大学许可，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/202010480111.2/1.html，转载请声明来源钻瓜专利网。
