[发明专利]一种自然场景下的金丝猴躯体分割算法

摘要

本发明公开了一种自然场景下的金丝猴躯体分割算法，该算法包括构造语义分割网络，实现端到端的图像分割；对所述的语义分割网络进行训练，保存训练后的网络模型用于待分割图像的分割检测；所述的语义分割网络包括分类网络、融合部分以及输出部分，分类网络用于对输入图像进行特征提取并进行像素级的分类，得到置信图；特征融合层有两个，分别融合最底两层、三层的分割网络，提高识别准确率，实现跨层连接；输出部分最终输出与原始图像大小一致的高分辨率的类热力图。本发明有效地提高了检测准确率，可以较好地解决金丝猴身体被分为多个部分的问题。

主权项

1.一种自然场景下的金丝猴躯体分割算法，其特征在于，包括以下步骤：构造语义分割网络，实现端到端的图像分割；对所述的语义分割网络进行训练，保存训练后的网络模型用于待分割图像的分割检测；所述的语义分割网络包括分类网络、融合部分以及输出部分，其中：语义分割网络从前至后依次为第一卷积层、第一最大池化层、第二卷积层c、第二最大池化层、第三卷积层、第三最大池化层、第四卷积层、第四最大池化层、第五卷积层、第五最大池化层、第六卷积层、第七卷积层；第一卷积层至第五卷积层的每层包括两次连续的卷积计算、第六卷积层包括一次卷积计算，作用是将输入的图像进行特征提取处理，得到特征图；第七卷积层包括一次卷积计算和分类激活函数，作用是进行特征提取处理并做像素级的分类，得到置信图；第一最大池化层至第五最大池化层的作用是在不损失特征的情况下减小数据维度；融合部分包括第一特征融合层和第二特征融合层，第一特征融合层将第七卷积层的输出经过上采样后，与第五最大池化层的输出进行特征融合；第二特征融合层将第一特征融合层的输出结果和第四最大池化层提取的特征进行特征融合，得到融合后的置信图；输出部分包括输出层，输出层包括一个上采样层和一个分类层，其中上采样层的输入为第二特征融合层的输出，作用是扩大所述融合后的置信图到原始输入图像的大小；分类层作用是对每个像素进行分类预测，最终得到与原始输入图像大小一致的高分辨率的类热力图。