申请/专利权人：湖北工业大学

申请日：2022-10-08

公开（公告）日：2023-01-13

公开（公告）号：CN115601542A

主分类号：G06V10/26

分类号：G06V10/26;G06N3/04;G06N3/08;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2023.07.21#授权;2023.02.07#实质审查的生效;2023.01.13#公开

摘要：本发明公开了一种基于全尺度密集连接的图像语义分割方法、系统及设备，首先对待分割图像进行预处理，将其切割或填充为预设大小；然后使用图像语义分割网络实现对待分割图像的语义分割；本发明的图像语义分割网络UNet4+通过全尺度和密集的跳跃连接，编码器中的每个节点从不同尺度的编码器接收中间聚合特征图，而解码器中的每个节点不仅从不同尺度的编码器和解码器接收中间聚合特征图，而且还从相同尺度的编码器接收中间聚合特征图。因此，解码器中的聚合层可以学习使用节点上的所有收集的特征图。本发明的UNet4+缓解了梯度消失的问题，这也使得网络中的信息流最大化；同时加强了网络中的特征传播；具备更紧凑的模型和极端的特征重用性。

主权项：1.一种基于全尺度密集连接的图像语义分割方法，其特征在于，包括以下步骤：步骤1：对待分割图像进行预处理，将其切割或填充为预设大小；步骤2：使用图像语义分割网络实现对待分割图像的语义分割；所述图像语义分割网络，包括编码器、解码器、全尺度密集跳跃连接和全尺度深监督；所述编码器由5个编码卷积块组成，第1-4个编码卷积块各包含2个由顺序连接的Conv、InstanceNorm、LeakyReLU组成的卷积层和1个下采样层MaxPooling，第5个编码卷积块仅包含2个由顺序连接的Conv、InstanceNorm、LeakyReLU组成的卷积层；每个编码卷积块的输出通道数分别为C、2C、4C、8C、16C，卷积核大小均为3×3，最大池化核大小及池化步长均为2×2；所述解码器由4个解码卷积块组成，每个解码卷积块包含1个上采样层UpsamplingBilinear、1个通过全尺度密集跳跃连接将所有位于该解码块之前的编码器特征图或解码器特征图级联到一起的融合层Concatenate和2个卷积层，每个解码卷积块的侧边输出由1个1×1卷积层进行通道数对齐，从而实现后续的全尺度深监督。

全文数据：

权利要求：

百度查询： 湖北工业大学 基于全尺度密集连接的图像语义分割方法、系统及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD