买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于特征金字塔注意力和混合注意力级联的语义分割方法_南京理工大学_202011469194.1 

申请/专利权人:南京理工大学

申请日:2020-12-14

公开(公告)日:2021-04-13

公开(公告)号:CN112651973A

主分类号:G06T7/10(20170101)

分类号:G06T7/10(20170101);G06N3/08(20060101);G06N3/04(20060101)

优先权:

专利状态码:有效-授权

法律状态:2022.10.28#授权;2021.04.30#实质审查的生效;2021.04.13#公开

摘要:本发明公开了一种基于特征金字塔注意力和混合注意力级联的语义分割方法,包括:构建语义分割训练集;构建深度卷积神经网络,所述深度卷积神经网络包括编码器部分、2个特征金字塔注意力模块、混合注意力模块、解码分支、特征融合部分以及深度可分离卷积层;利用语义分割训练集对深度卷积神经网络进行训练,修正网络参数;将待分割街景道路场景图像输入训练好的深度卷积神经网络获得分割结果。本发明能较好的适应无人车设备对于精度和速度的需求。

主权项:1.一种基于特征金字塔注意力和混合注意力级联的语义分割方法,其特征在于,具体步骤为:步骤1、构建语义分割训练集;步骤2、构建深度卷积神经网络,所述深度卷积神经网络包括编码器部分、2个特征金字塔注意力模块、混合注意力模块、解码分支、特征融合部分以及深度可分离卷积层,所述编码器部分用于对输入图像进行编码获得四种尺寸的特征图,所述2个特征金字塔注意力模块分别对2中尺寸特征图进行多尺度和上下文信息捕获,所述特征融合部分用于将2个特征金字塔注意力模块获得特征图进行融合,所述混合注意力模块用于从特征图的空间和通道维度建立相关性表征;所述解码分支用于将混合注意力模块得到的特征图上采样2倍并与编码器部分产生的特征图合并;步骤3、利用语义分割训练集对深度卷积神经网络进行训练,修正网络参数;步骤4、将待分割街景道路场景图像输入训练好的深度卷积神经网络获得分割结果。

全文数据:

权利要求:

百度查询: 南京理工大学 基于特征金字塔注意力和混合注意力级联的语义分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术