[发明专利]一种基于全卷积和长短期记忆单元的场景语义分割方法在审
| 申请号： | 201710739098.6 | 申请日： | 2017-08-25 |
| 公开（公告）号： | CN107480726A | 公开（公告）日： | 2017-12-15 |
| 发明（设计）人： | 程建;张建;朱晓雅;张泽厚 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司51230 | 代理人： | 徐金琼,刘东 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于全卷积和长短期记忆单元的场景语义分割方法，涉及图像处理技术领域，包括如下步骤S1构建基于全卷积、金字塔池化模块与长短期记忆单元模块的深度神经网络；S2比对预测图像和标注图像，并以Softmax损失为目标函数、随机梯度下降为优化方法进行训练，对步骤1得到的深度神经网络进行权值更新；S3多次进行步骤S2，直到损失下降到无法下降时结束训练；S4输入新的场景图像至已训练好的深度神经网络，并做双线性插值到原图分辨率，得到该场景的语义分割结果。本发明解决了目前场景图像分割准确率低、图像中目标过分割和欠分割的问题。 | ||
| 搜索关键词： | 一种 基于 卷积 短期 记忆 单元 场景 语义 分割 方法 | ||
【主权项】：
一种基于全卷积和长短期记忆单元的场景语义分割方法，其特征在于，包括如下步骤：S1：构建基于全卷积、金字塔池化模块与长短期记忆单元模块的深度神经网络；S2：输入场景图像，在深度神经网络中进行一次前向传播得到预测图像A；输入标注图像进行尺度缩减后得到与预测图像同分辨率的标注图像A；比对预测图像A和标注图像A，以Softmax损失为目标函数，对步骤1得到的深度神经网络进行权值更新；S3：多次进行步骤S2，直到损失无法下降时结束训练；S4：输入新的场景图像至已训练好的深度神经网络，并做双线性插值到原图分辨率，得到该场景的语义分割结果。
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电子科技大学，未经电子科技大学许可，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/201710739098.6/，转载请声明来源钻瓜专利网。
