申请/专利权人：西北工业大学

申请日：2022-04-20

公开（公告）日：2024-03-12

公开（公告）号：CN114943835B

主分类号：G06V10/26

分类号：G06V10/26;G06V20/17;G06V10/82;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明公开了一种基黄河冰凌无人机航拍图像实时语义分割方法，根据收集的无人机航拍冰凌图像构造黄河冰凌语义分割数据集，数据集包含黄河无人机航拍冰凌图像以及标签数据；再利用构建的黄河冰凌语义分割数据集对分割网络FastICENet进行训练，得到最终的语义分割模型。即使图像中冰凌大小形态各异，本发明的检测结果依然精确；本发明的语义分割网络在精度与其他网络相近时，分割速度远胜于其他语义分割网络。

主权项：1.一种基黄河冰凌无人机航拍图像实时语义分割方法，其特征在于，包括如下步骤：步骤1：根据收集的无人机航拍冰凌图像构造黄河冰凌语义分割数据集，所述数据集包含黄河无人机航拍冰凌图像以及标签数据；将数据集划分为训练集、验证集和测试集；步骤2：构建语义分割模型FastICENet；所述语义分割模型FastICENet包括浅层细节分支、深层语义分支和融合上采样模块；所述浅层细节分支用于提取冰凌图像的低层次细节信息，深层语义分支用于提取冰凌图像深层语义信息，最后通过融合上采样模块将深层语义分支和浅层细节分支融合并上采样，得到与原始图像大小相同的语义分割结果；步骤2-1：所述浅层细节分支具体为：将大小为h×w的输入图像，h和w分别为图像高度和宽度，依次通过卷积模块一、卷积模块二和卷积模块三，经过三个卷积模块之后，特征图的分辨率为h8×w8；步骤2-2：所述深层语义分支具体为：步骤2-2-1：将大小为h×w的输入图像依次通过下采样模块一、下采样模块二和下采样模块三，经过三个下采样模块之后，得到特征图，分辨率为h8×w8；步骤2-2-2：将步骤2-2-1得到的特征图输入基于幻影特征图的密集连接模块一，输出的特征图分辨率仍为h8×w8；步骤2-2-3：将步骤2-2-2得到的特征图输入到下采样模块四，输出的特征图的分辨率为h16×w16；步骤2-2-4：将步骤2-2-3得到的特征图输入基于幻影特征图的密集连接模块二，输出的特征图分别输入到注意力细化模块一和平均池化模块；再将注意力细化模块一的输出和平均池化模块的输出结果按通道堆叠，得到的特征图作为步骤2-2-4的输出；所述基于幻影特征图的密集连接模块一和基于幻影特征图的密集连接模块二的结构相同，定义如下：定义幻影模块：使用以下公式一次卷积生成m个原始特征图Y′∈Rh′×w′×m:Y′＝X*f′其中，Y′是卷积层输出的特征图，X是卷积层的输入，*是卷积操作，f′∈Rc×k×k×m是使用的卷积核，m≤n，n为网络模型中实际需要的特征图的层数；对Y′中的每个原始特征图应用一系列线性运算，以生成s个幻影特征图： 其中y′i是Y′中第i个原始特征图，Φi,j是第j个线性运算，用于生成第j个幻影特征图yij；通过使用线性操作，获得n＝m·s个特征图Y＝[y11,y12,...,yij,...,yms]作为幻影模块的输出数据；最后将原始特征图和幻影特征图进行通道叠加，叠加结果作为幻影模块的输出；将多个幻影模块使用密集连接模式，即每一个幻影模块的输入是第一个初密集连接模块输入特征图和之前所有幻影模块的输出的特征图的通道叠加；基于幻影特征图的密集连接模块一输入特征图通道数为60，输出特征图通道数为160，使用了5个幻影模块进行密集连接；基于幻影特征图的密集连接模块二输入特征图通道数为160，输出特征图通道数为320，使用了8个幻影模块进行密集连接；上述13个幻影模块，每一个均是通过卷积层增加10个通道，通过线性操作增加10个通道，因此每个幻影模块的输出通道数相对其输入均增加20个通道；步骤2-2-5：将步骤2-2-4中得到的特征图通过上采样模块一，输出的特征图大小为h8×w8；步骤2-2-6：将步骤2-2-2和步骤2-2-5的输出联合输入到注意力模块二中，输出特征图的分辨率为h8×w8；步骤2-3：融合上采样模块具体为：将浅层细节分支和深层语义分支的输出联合输入特征融合模块，输出特征图大小为h8×w8；将特征融合模块的输出经过上采样模块二恢复到原来的大小h×w，预测分割结果；步骤3：利用训练集和验证集，训练语义分割模型FastICENet，得到最终的语义分割模型，再通过测试集测试最终的语义分割模型的性能。

全文数据：

权利要求：

百度查询： 西北工业大学 一种黄河冰凌无人机航拍图像实时语义分割方法

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。

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