[发明专利]一种基于预测和残差细化网络的道路提取方法有效
| 申请号： | 201910959220.X | 申请日： | 2019-10-10 |
| 公开（公告）号： | CN110781776B | 公开（公告）日： | 2022-07-05 |
| 发明（设计）人： | 熊炜;管来福;李敏;王娟;李利荣;曾春艳;刘敏 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06V20/56 | 分类号： | G06V20/56;G06V20/58;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430068 湖北*** | 国省代码： | 湖北;42 |
| 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预测和残差细化网络的道路提取方法，针对道路目标的不同特征，设计了预测网络和残差细化网络组合的航拍图像道路提取算法。预测网络采用Encoder‑Decoder结构；其次，预测网络结合了空洞卷积模块DCM和多核池化模块MPM，能够充分地获得图像的上下文信息和道路边缘信息，提高道路边缘检测能力。残差细化网络将对预测网络产生的初始道路预测结果进行细化，改善预测网络由于噪声产生的道路模糊化，网络还融合了BCE、SSIM以及IoU损失函数进行监督训练，减少道路信息损失，有利于提取完整的道路结构。 | ||
| 搜索关键词： | 一种 基于 预测 细化 网络 道路 提取 方法 | ||
【主权项】：
1.一种基于预测和残差细化网络的道路提取方法，其特征在于，包括以下步骤：/n步骤1：设计预测网络和残差细化网络组合的航拍图像道路提取网络；/n所述预测网络采用Encoder-Decoder结构，结合空洞卷积模块DMC和多层池化模块MPM；/n所述残差细化网络融合BCE、SSIM以及IoU损失函数进行监督训练，用于对预测网络产生的初始道路预测结果进行细化；/n步骤2：利用所述预测网络对初始道路进行，利用所述残差细化网络对预测网络产生的初始道路预测结果进行细化提取完整的道路结构。/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湖北工业大学，未经湖北工业大学许可，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/201910959220.X/，转载请声明来源钻瓜专利网。
