[发明专利]一种基于深度学习的语义边缘检测方法有效
| 申请号： | 201911003801.2 | 申请日： | 2019-10-22 |
| 公开（公告）号： | CN110781897B | 公开（公告）日： | 2023-05-02 |
| 发明（设计）人： | 马伟;龚超凡 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V20/70;G06T7/13;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/084 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 吴荫芳 |
| 地址： | 100124 *** | 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： | 本发明公开了一种基于深度学习语义边缘检测方法，核心为一个基于多层次特征融合的语义边缘检测深度神经网络模型。包括多层次特征学习、多层次特征抽取和多层次特征融合。训练分为三个步骤：模型参数的初始化、目标数据集准备和整体模型的训练。本发明具有以下优点：1)自底向上把低层次特征逐渐融合到高层次特征中，融合之后的高层次特征不仅语义判别能力得到加强，而且其所缺失的底层细节信息也得到补充，有利于提高语义边缘的检测效果；2)预先在大数据集上训练多层次特征学习模块，使它在目标数据集上能够学习到更丰富的多层次特征；3)采用数据增强技术扩充数据集，并对真值标签做预处理，加强了整体模型的学习能力。 | ||
| 搜索关键词： | 一种 基于 深度 学习 语义 边缘 检测 方法 | ||
【主权项】：
1.一种基于深度学习语义边缘检测方法，其特征在于：自底向上把低层次特征逐渐融合到高层次特征中，融合后的最高层次特征用于检测语义边缘；具体的构建了一种卷积神经网络模型，它能自底向上逐渐融合多个尺度特征；该模型先在语义分割数据集上对多层次特征学习模块进行预训练，之后把训练好的参数进行迁移，再对卷积神经网络模型进行整体训练，整体训练时使用的数据集为目标数据集，所述的目标数据集指由本方法能够识别出的所有种类构成的数据集合；利用整体训练完成的模型处理待测图片，模型输出的K个通道激活值作为对应K种分类边缘的概率值；/n其中，所述的卷积神经网络模型由以下三大模块构成：/n多层次特征学习模块：该模块采用图片分类网络，输入一幅图像，得到从底到高不同层次的特征，本模块依据图片分类网络中的池化操作数量划分为对应阶段；/n多层次特征抽取模块：该模块从多层次特征学习模块中选取M种不同层次的特征，第m种层次特征为x
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工业大学，未经北京工业大学许可，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/201911003801.2/，转载请声明来源钻瓜专利网。
