申请/专利权人:中国空间技术研究院
申请日:2020-06-18
公开(公告)日:2024-04-26
公开(公告)号:CN111797836B
主分类号:G06V10/26
分类号:G06V10/26;G06V10/82;G06V10/774;G06N3/0464;G06N3/082
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2020.11.06#实质审查的生效;2020.10.20#公开
摘要:本发明实施例提供一种基于深度学习的地外天体巡视器障碍物分割方法,该方法包括:利用地外天体巡视器获得的图像集及其对应的人工标注图集形成样本集;将所述样本集中的样本分成训练样本、验证样本和测试样本;基于VGGNet卷积网络和U‑Net网络构建神经网络;将所述训练样本和所述验证样本输入所述神经网络,对神经网络进行训练得到训练模型;利用所述训练模型对所述测试样本进行测试,得到地外天体的障碍物分割结果。该方法将精度高的VGG网络局部迁移到本发明网络,在提高了障碍物分割精度的同时还提高了分割速度,可以满足地外天体巡视器实时性需求。
主权项:1.一种基于深度学习的地外天体巡视器障碍物分割方法,所述方法包括步骤:S1,利用地外天体巡视器获得的图像集及其对应的人工标注图集形成样本集;S2,将所述样本集中的样本分成训练样本、验证样本和测试样本;S3,基于VGGNet卷积网络和U-Net网络构建神经网络;S4,将所述训练样本和所述验证样本输入所述神经网络,对神经网络进行训练得到训练模型;S5,利用所述训练模型对所述测试样本进行测试,得到地外天体的障碍物分割结果;其中,在所述S3中通过以下步骤构建神经网络:S301,在神经网络的编码器中,利用VGG16网络结构中block1、block2、block3、block4的全部层和block5的卷积层,并且将所有层设置为可训练;S302,在神经网络的解码器中,对所述编码器中每层输出的特征图进行恢复。
全文数据:
权利要求:
百度查询: 中国空间技术研究院 一种基于深度学习的地外天体巡视器障碍物分割方法
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。