[发明专利]基于深度卷积神经网络和超像素的图像语义分割方法有效
| 申请号： | 201611020101.0 | 申请日： | 2016-11-18 |
| 公开（公告）号： | CN106709924B | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 闫镔;陈健;曾磊;乔凯;徐一夫;李中国;高飞 | 申请（专利权）人： | 中国人民解放军信息工程大学 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06K9/62;G06N3/04 |
| 代理公司： | 41111 郑州大通专利商标代理有限公司 | 代理人： | 董晓勇<国际申请>=<国际公布>=<进入 |
| 地址： | 450000 河*** | 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： | 本发明公开了一种基于深度卷积神经网络和超像素的图像语义分割方法，克服了现有技术中，现有语义分割方法的精度仍待提高的问题。该发明含有如下步骤：1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。本方法改善现有图像语义分割方法的精度，在图像识别和应用中具有重要意义。 | ||
| 搜索关键词： | 图像语义 卷积神经网络 语义分割 像素 测试图像 语义标签 图像 分割结果 分割数据 分类模型 类别标签 图像分类 图像识别 网络分类 像素分割 像素区域 重要意义 反卷积 数据集 分割 映射 卷积 算法 微调 融合 应用 | ||
【主权项】：
1.一种基于深度卷积神经网络和超像素的图像语义分割方法，其特征在于：含有如下步骤：/n步骤1：在图像分类数据集上训练一个由图像到类别标签的深度卷积网络分类模型；/n步骤2：在深度卷积神经网络分类模型中加入反卷积层，在图像语义分割数据集上进行微调训练，实现从图像到图像语义分割结果的映射；所述加入反卷积层的具体方法为：训练得到的深度卷积神经网络包含卷积层、矫正线性单元层、池化层和全连接层，为了保留特征的空间信息，去掉分类网络中的全连接层，在最后一层池化层后面加入反卷积层，对特征上采样，实现图像到图像语义分割结果的端到端映射；所述微调训练的具体方法为：基于分类网络构建语义分割模型的过程中，分类网络训练好的参数用来对语义分割模型相应参数初始化；然后在语义分割数据集上进行端到端的微调训练，得到语义分割模型；/n步骤3：将测试图像输入深度卷积神经网络语义分割模型中，得到各个像素的语义标签，同时将测试图像送入超像素分割算法，得到若干超像素区域；/n步骤4：把超像素和语义标签进行融合，得到最终改善的语义分割结果。/n
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中国人民解放军信息工程大学，未经中国人民解放军信息工程大学许可，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/patent/201611020101.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种应用编程的安全性检测方法及装置
- 下一篇：扫描驱动电路及显示装置
