[发明专利]一种基于深度学习的图像分割系统

摘要

本发明公开了一种基于深度学习的图像分割系统，包括特征提取单元，部件分割单元，部件匹配单元，部件融合单元和优化单元，其中特征提取单元，利用卷积神经网络提取输入图像的特征，生成多个特征图；部件分割单元，利用卷积神经网络对图像中的物体的各个组成部件分别进行分割，生成各个组成部件的部件特征图及部件分割图；部件匹配单元，利用卷积神经网络由每个组成部件的部件特征图各推导生成一个全类别分割图，计算并输出部件匹配分值；部件融合单元，利用卷积神经网络将每个组成部件的部件特征图对应进行融合，生成一个全类别分割图，计算并输出部件融合分值；优化单元，利用卷积神经网络的损失计算层、部件匹配分值及部件融合分值，更新卷积神经网络参数及各个组成部件的部件特征图，更新并输出优化后的部件分割图。通过本发明能够实现较少人工参与的自动图像分割，图像分割准确，效率高。

主权项

1.一种基于深度学习的图像分割系统，包括特征提取单元，部件分割单元，部件匹配单元，部件融合单元和优化单元,其特征在于：特征提取单元，用于利用卷积神经网络提取输入图像的特征，生成多个特征图；部件分割单元，用于利用卷积神经网络对图像中的物体的各个组成部件分别进行分割，生成各个组成部件的部件特征图及部件分割图；部件匹配单元，用于利用卷积神经网络由每个组成部件的部件特征图各推导生成一个全类别分割图，计算并输出部件匹配分值；部件融合单元，用于利用卷积神经网络将每个组成部件的部件特征图对应进行融合，生成一个全类别分割图，计算并输出部件融合分值；优化单元，用于利用卷积神经网络的损失计算层、部件匹配分值及部件融合分值，更新卷积神经网络参数及各个组成部件的部件特征图，更新并输出优化后的部件分割图。