[发明专利]一种基于语义分割的园林图像量化方法

权利要求书

1.一种基于语义分割的园林图像量化方法，其特征在于，包括：

1)根据不同园林图像语义分割任务获取不同的园林图像数据集；

2)根据具体园林图像语义分割任务修改数据集设置；

3)将需要进行语义分割的园林图像数据输入园林语义分割模型，所述园林语义分割模型对不同语义的园林图像数据进行分类，然后输出一张带有语义标签的图像。

2.如权利要求1所述的方法，其特征在于，所述步骤3)具体为：

将需要进行语义分割的园林图像数据输入所述园林语义分割模型，使用串行的空洞卷积，设置卷积核大小，根据卷积核大小，得到高级语义特征图和低级语义特征图；

高级语义特征图进入到空洞金字塔池化模块ASPP，分别与四个空洞卷积层和一个池化层进行卷积和池化，得到五个特征图，然后再合并成第一特征图；所述第一特征图再通地一个1*1的卷积压缩特征运算后得到第二特征图；所述第二特征图再经过上采样得到第三特征图；

将所述低级语义特征图，经过1*1卷积改变其通道数，得到第四特征图；所述第四特征图与所述第三特征图所占通道比重一样；

将所述第四特征图与第三特征图合并成第五特征图，然后再通过一个3*3细化卷积进行细化；后通过双线性上采样4倍，得到带有语义标签的图像。

3.如权利要求2所述的方法，其特征在于，所述高级语义特征图为512×32×32的特征图；所述五个特征图均为256x32x32的特征图；所述第一特征图为1280x32x32的特征图；所述第二特征图为20x32x32的特征图；所述第三特征图为20x256x256的特征图。

4.如权利要求1所述的方法，其特征在于，基于开源编程平台Anaconda，使用深度学习框架Pytorch，在集成开发环境Pycharm上对园林语义分割模型进行构建。

5.如权利要求1所述的方法，其特征在于，所述园林语义分割模型为主流深度卷积神经网络。