[发明专利]一种基于深度边缘检测的层次场景语义分割模型

摘要

本发明涉及一种基于深度边缘检测的层次场景语义分割模型，其特征在于，包括以下步骤：（1）、采用PSPNet进行语义特征的提取，采用Adam算法对PSPNet网络的参数进行设定。（2）、用PSPNet网络得到的语义特征作为输入，训练整个网络，在域转换模型的基础上，通过控制loss的大小，不断调整网络参数；（3）、采用Fully‑CRF算法对于靠近边缘处的部分进行滤波处理，得到最终结果。通过针对边缘部分的滤波处理，实现对于边缘部分更高精度的检测，进一步提升场景语义分割结构的准确度。

主权项

1.一种基于深度边缘检测的层次场景语义分割模型，其特征在于，包括以下步骤：(1)、采用PSPNet进行语义特征的提取，采用Adam算法对PSPNet网络的参数进行设定；(2)、用PSPNet网络得到的语义特征作为输入，训练整个网络，在域转换模型的基础上，通过控制loss的大小，不断调整网络参数，使得域转换模型中域变换密度d_i，也就是边缘网络中对于边缘度的大小检测达到一定的精确度；整个网络采用SGD算法对整个网络参数进行调整设置，从而对于远离边缘处的部位进行滤波处理；其中，为了提升语义边缘的检测效果，本文在边缘网络里额外添加了一个卷积层，并设该层的输出通道数为10；将边缘网络里的所有卷积核大小设为1，卷积尺寸大小为1的卷积核对特征图中每一个像素进行卷积处理，其作用相当于全连接层，其可以在一定程度上获取全局信息，完成编码的作用，而且和全连接层相比，该卷积层的参数量非常少，从而简化了网络模型的复杂度，可以有效的抑制过拟合问题；所以和全连接层相比，卷积尺寸为1卷积层更适合完成特征融合操作；(3)、采用Fully‑CRF算法对于靠近边缘处的部分进行滤波处理，得到最终结果。