申请/专利权人：华东理工大学

申请日：2023-11-07

公开（公告）日：2024-01-23

公开（公告）号：CN117437544A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V20/40;G06V20/52;G06V10/82;G06V10/80;G06N3/045;G06N3/0455;G06N3/0464;G06N3/084;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种河道水岸分割的改进DeepLabV3+大模型方法，属于语义分割领域。该方法包括以下步骤：步骤1，数据获取及预处理，通过网络资源收集河道水岸图像及视频数据集，预处理后将数据集划分为训练、验证和测试集；步骤2，基于移动计算思想及语义融合特征，重新构建了DeeplabV3+深度学习模型的编码和解码主干网络,记该模型为A‑FF‑DeepLabV3+；步骤3，模型训练，加载预训练参数，在训练集对提出的模型进行迭代优化，利用验证集获取最佳大模型参数；步骤4，实测和分析，使用测试集和实际河道图像，分析大模型的性能和扩展性。本发明所提出的A‑FF‑DeepLabV3+，模型识别河道的时间明显缩短，该模型可用于河道智慧监管，对于河道污染数据获取有着重要作用。

主权项：1.一种河道水岸分割的改进DeepLabV3+大模型方法，其特征在于：包括以下步骤：1数据获取及预处理，通过视频监控及网络资源收集含有河道水岸图像及视频数据集，预处理后将数据划分为训练、验证和测试集三个部分；2基于移动计算思想及语义融合特征，重新构建了DeeplabV3+深度学习模型的编码和解码主干网络,记该模型为A-FF-DeepLabV3+；3模型训练，加载模型预训练参数，在训练集对提出的模型进行迭代优化，利用验证集获取最佳大模型参数；4实测和分析，使用测试集和实际采集的河道图像，进一步分析大模型的性能和扩展性。

全文数据：

权利要求：

百度查询： 华东理工大学 一种河道水岸分割的改进DeepLabV3+大模型方法

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。

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