[发明专利]基于稀疏特征的深度学习图像分割方法及装置有效
| 申请号： | 201910730849.7 | 申请日： | 2019-08-08 |
| 公开（公告）号： | CN110544256B | 公开（公告）日： | 2022-03-22 |
| 发明（设计）人： | 谷硕;李浩 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06V20/70;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 王艳斌 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提出一种基于稀疏特征的深度学习图像分割方法及装置，该方法通过将带有分割标注信息的原始图像输入到待训练的图像分割神经网络中，对原始图像进行特征提取获取小于原始图像尺寸的目标特征图像，结合目标特征图像上每个分割目标点的坐标信息和坐标补偿信息，获取与原始图像对应的包含语义信息的分割结果，训练图像分割神经网络，得到图像分割神经网络的网络参数，并通过具有网络参数的图像分割神经网络对待处理的目标图像进行图像分割。由此通过改进图像分割神经网络的结构，并基于小于原始图像尺寸的目标特征图像训练图像分割神经网络，减少图像分割神经网络所需要计算量，减少训练图像分割神经网络所需的训练时间，提高了训练效率。 | ||
| 搜索关键词： | 基于 稀疏 特征 深度 学习 图像 分割 方法 装置 | ||
【主权项】：
1.一种基于稀疏特征的深度学习图像分割方法，其特征在于，包括以下步骤：/n将带有分割标注信息的原始图像输入到待训练的图像分割神经网络，对所述原始图像进行特征提取获取目标特征图像，其中，所述目标特征图像的第二尺寸小于所述原始图像的第一尺寸；/n获取与所述目标特征图像上每个分割目标点对应的坐标补偿信息；/n根据所述目标特征图像上每个分割目标点的坐标信息和所述对应的坐标补偿信息，获取与所述原始图像对应的包含语义信息的分割结果，训练所述图像分割神经网络，当训练结束后获取所述图像分割神经网络的网络参数；/n将待处理的目标图像输入到具有所述网络参数的图像分割神经网络，获取与所述目标图像对应的包含语义信息的分割结果。/n
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北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，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/201910730849.7/，转载请声明来源钻瓜专利网。
- 上一篇：面向3D打印的三角网格孔洞的分割方法及系统
- 下一篇：一种快速的肤色分割方法
