[发明专利]一种基于深度神经网络的图像语义分割方法在审
| 申请号： | 201810952528.7 | 申请日： | 2018-08-21 |
| 公开（公告）号： | CN109145920A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 程建;苏炎洲;康玄烨;郭桦;刘三元 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62;G06T7/11;G06N3/04;G06N3/08 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 何凡 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于深度神经网络的图像语义分割方法，包括以下步骤：S1、构建基于密集连接网络和多孔空间金字塔池化的深度神经网络；S2、对数据集的训练图片进行预处理，并将预处理结果输入至深度神经网络中进行训练，得到图像语义分割模型；S3、将待测试的图像输入图像语义分割模型，进行一次前向传播，端到端的输出语义分割结果。通过密集连接网络不进行图像降采样，而保持图像的空间维度来进行训练，通过多孔空间金字塔池化模块捕捉图像的多尺度信息，能够有效地解决图像语义分割准确率低、图像空间细节信息丢失的问题，最终得到较好的图像语义分割结果。 | ||
| 搜索关键词： | 图像语义 神经网络 多孔空间 分割模型 连接网络 池化 金字塔 分割 预处理 图像 预处理结果 捕捉图像 分割结果 空间维度 前向传播 图像空间 图像输入 细节信息 训练图片 语义分割 多尺度 降采样 数据集 有效地 准确率 构建 测试 输出 | ||
【主权项】：
1.一种基于深度神经网络的图像语义分割方法，其特征在于，包括以下步骤：S1、构建基于密集连接网络和多孔空间金字塔池化的深度神经网络；S2、对数据集的训练图片进行预处理，并将预处理结果输入深度神经网络中进行训练，得到图像语义分割模型；S3、将待测试的图像输入图像语义分割模型，进行一次前向传播，端到端的输出语义分割结果。
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/201810952528.7/，转载请声明来源钻瓜专利网。
