基于深度學(xué)習(xí)的全局特征和局部特征的圖像語義分割方法

基本信息

申請?zhí)?/td> CN201810841610.2 申請日 -
公開（公告）號 CN109190752B 公開（公告）日 2021-07-23
申請公布號 CN109190752B 申請公布日 2021-07-23
分類號 G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 宋輝;解偉;郭曉強(qiáng);周蕓;姜竹青;門愛東 申請（專利權(quán)）人 國家新聞出版廣電總局廣播科學(xué)研究院
代理機(jī)構(gòu) 天津盛理知識產(chǎn)權(quán)代理有限公司 代理人 王利文
地址 100886北京市西城區(qū)復(fù)興門外大街2號監(jiān)管大樓521
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于深度學(xué)習(xí)的全局特征和局部特征的圖像語義分割方法，包括以下步驟：在編碼端，使用基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型提取圖像的基礎(chǔ)深度特征，同時根據(jù)卷積層的深度將特征分為低層特征和高層特征；應(yīng)用特征融合模塊將低層特征和高層特征融合成增強(qiáng)型的深度特征；在獲取深度特征后，將其輸入到解碼端；以交叉熵?fù)p失函數(shù)為目標(biāo)訓(xùn)練網(wǎng)絡(luò)，使用mIoU評價網(wǎng)絡(luò)性能。本發(fā)明設(shè)計合理，其使用深度卷積神經(jīng)網(wǎng)絡(luò)模型提取圖像的全局和局部特征，充分利用了全局特征和局部特征的互補(bǔ)性，并且利用了堆疊池化層進(jìn)一步提高性能，有效地提高了圖像語義分割地準(zhǔn)確率。