[发明专利]一种基于深度学习和聚类的语义图像分割方法及系统有效
| 申请号： | 202010047315.7 | 申请日： | 2020-01-16 |
| 公开（公告）号： | CN111259904B | 公开（公告）日： | 2022-12-27 |
| 发明（设计）人： | 郭丽;刘知贵;张小乾;白克强;薛旭倩;刘道广;李理;张活力;吴均;付聪;喻琼 | 申请（专利权）人： | 西南科技大学 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V10/762;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 张超 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 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和聚类的语义图像分割方法和系统，包括以下步骤：S1:通过卷积神经网络，对原图像进行卷积和池化，得到原图像的线性特征矩阵；S2:将所述线性特征矩阵，进行子空间聚类，得到聚类后的特征数据；S3:将所述聚类后的特征数据，通过反卷积和上采样，处理至与原图像相同的像素，得到分割后的图像。本发明将深度神经网络中的卷积神经网络(CNN)与子空间聚类相结合，又用稀疏子空间替代CNN中全连接层的方式，解决了现有技术中语义图像分割计算复杂，数据量大而信息贫乏的问题。在神经网络中引入子空间聚类方法，减少了CNN工作时需要的大量标记数据，实现对CNN神经网络的无监督学习。 | ||
| 搜索关键词： | 一种 基于 深度 学习 语义 图像 分割 方法 系统 | ||
【主权项】：
暂无信息
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西南科技大学，未经西南科技大学许可，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/202010047315.7/，转载请声明来源钻瓜专利网。
