[发明专利]一种基于多尺度低层特征融合的全卷积网络语义分割方法有效
申请号: | 201810281580.4 | 申请日: | 2018-04-02 |
公开(公告)号: | CN108830855B | 公开(公告)日: | 2022-03-25 |
发明(设计)人: | 罗荣华;陈俊生 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G06T7/10 | 分类号: | G06T7/10;G06V10/764;G06V10/50;G06N3/04;G06N3/08 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 李斌 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
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多尺度低层特征融合的全卷积网络语义分割方法,首先用全卷积神经网络对输入图像进行密集特征的提取;然后对提取的特征图像进行多尺度特征融合处理。其步骤包括对输入特征图进行多尺度池化,形成多条处理分支,然后对各分支中池化后尺度不变的特征图进行低层特征融合处理,对于池化后尺度缩小的特征图,则进行低层特征融合上采样处理,接着分别经过3×3卷积层以学习更深层次的特征及减少输出特征图的通道数,之后再把各分支的输出特征图以通道数拼接的方式结合在一起,并经过类别卷积层和双线性插值上采样处理后,得到跟原图像等尺寸的得分图。结合局部低层特征信息和全局多尺度图像信息,使图像语义分割的效果更为显著。 | ||
搜索关键词: | 一种 基于 尺度 低层 特征 融合 卷积 网络 语义 分割 方法 | ||
【主权项】:
1.一种基于多尺度低层特征融合的全卷积网络语义分割方法,其特征在于,所述的语义分割方法包括下列步骤:S1、对输入的图像使用全卷积神经网络进行密集特征的提取;S2、对提取的特征进行多尺度特征融合处理,所述的多尺度特征融合包括池化层、特征融合层和3×3卷积层的处理;S3、多尺度特征融合后的图像通过3×3卷积层、类别卷积层和双线性插值上采样处理,得到跟原图像等尺寸的得分图,以此实现对图像的语义分割任务。
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华南理工大学,未经华南理工大学许可,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/201810281580.4/,转载请声明来源钻瓜专利网。