[发明专利]一种基于深度学习的实时高性能街景图像语义分割方法有效
| 申请号： | 201910452356.1 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110188817B | 公开（公告）日： | 2021-02-26 |
| 发明（设计）人： | 严严;董根顺;王菡子 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06T7/10 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的实时高性能街景图像语义分割方法。准备街景图像训练、验证和测试数据集；对数据集图像进行下采样，减小图像的分辨率；对现有的轻量级分类网络进行改造作为语义分割的基础特征提取网络；在基础特征提取网络后串联一个鉴别性孔洞空间金字塔池化用于解决语义分割的多尺度问题；将若干个卷积层堆叠，形成浅层的空间信息保存网络；使用特征融合网络将得到的特征图进行融合形成预测结果；将输出图像与数据集中的语义标注图像进行对比，利用反向传播算法进行端到端的训练，得到实时高性能街景图像语义分割网络模型；将待测试的街景图像输入实时高性能街景图像语义分割网络模型中得到街景图像的语义分割结果。 | ||
| 搜索关键词： | 一种 基于 深度 学习 实时 性能 街景 图像 语义 分割 方法 | ||
【主权项】：
1.一种基于深度学习的实时高性能街景图像语义分割方法，其特征在于包括以下步骤：1)准备街景图像训练、验证和测试数据集；2)对步骤1)中的数据集图像进行下采样，减小图像的分辨率；3)对现有的轻量级分类网络进行改造作为语义分割的基础特征提取网络；4)在步骤3)中得到的基础特征提取网络后串联一个鉴别性孔洞空间金字塔池化用于解决语义分割的多尺度问题；5)将若干个卷积层堆叠，形成一个浅层的空间信息保存网络；6)使用特征融合网络将步骤4)和步骤5)中得到的特征图进行融合形成预测结果；7)将步骤6)的输出图像与数据集中的语义标注图像进行对比，利用反向传播算法进行端到端的训练，得到实时高性能街景图像语义分割网络模型；8)将待测试的街景图像输入步骤7)的实时高性能街景图像语义分割网络模型中得到街景图像的语义分割结果。
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厦门大学，未经厦门大学许可，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/201910452356.1/，转载请声明来源钻瓜专利网。
