[发明专利]基于无人驾驶技术对实例分割的改进方法在审
| 申请号： | 201910417419.X | 申请日： | 2019-05-20 |
| 公开（公告）号： | CN110276378A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 颜成钢;黄继昊;刘启钦;孙垚棋;张继勇;张勇东 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00;G06N3/04;G06N3/08;G06N5/04 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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无人驾驶技术来对实例分割进行改进的方法。本发明提出在基于MASK R‑CNN的Faster R‑CNN基础上对目标进行检测以及分类，之后通过FCN特征粗提取以及CRF优化输出从而实现实例分割。具体实现步骤如下：步骤1、使用偏监督的方法对目标进行分类；步骤2、在语义分割卷积过程中采用深度可分离卷积，获取特征；步骤3、对卷积层得到的特征进行特征融合优化，在低层引入语义信息，在高层引入空间信息。本发明使用较低的成本便建立了较好的目标检测及分类结果。本发明采用深度可分离卷积，提高分割结果的精度以及计算机的效率，减少时间的损耗。 | ||
| 搜索关键词： | 卷积 无人驾驶 可分离 分割 分割结果 分类结果 空间信息 目标检测 特征融合 语义分割 语义信息 粗提取 引入 分类 低层 优化 改进 输出 计算机 检测 高层 监督 | ||
【主权项】：
1.基于无人驾驶技术对实例分割的改进方法，其特征在于：提出在基于MASK R‑CNN的Faster R‑CNN上对目标进行检测以及分类，之后通过FCN特征粗提取以及CRF优化输出实例分割的结果；具体实现步骤如下：步骤1、使用偏监督的方法对目标进行分类；步骤2、卷积过程采用深度可分离卷积，获取特征；步骤3、对卷积层得到的特征进行特征融合优化，在低层引入语义信息，在高层引入高分辨率细节。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910417419.X/，转载请声明来源钻瓜专利网。
