一种基于区域和深度残差网络的图像语义分割方法
授权
摘要
本发明公开了一种基于区域和深度残差网络的图像语义分割方法。基于区域的语义分割方法使用多尺度提取相互重叠的区域，可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络自主学习特征，可以针对逐像素分类任务进行端到端训练，但是这种方法通常会产生粗糙的分割边界。本发明将两种方法的优点结合起来：首先使用区域生成网络在图像中生成候选区域，然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图，结合候选区域以及特征图得到区域的特征，并将其映射到区域中每个像素上；最后使用全局平均池化层进行逐像素分类。本发明还使用了多模型融合的方法，在相同的网络模型中设置不同的输入进行训练得到多个模型，然后在分类层进行特征融合，得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集
基本信息
专利标题 ：
一种基于区域和深度残差网络的图像语义分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109685067A
申请号 ：
CN201811596891.6
公开（公告）日 ：
2019-04-26
申请日 ：
2018-12-26
授权号 ：
CN109685067B
授权日 ：
2022-05-03
发明人 ：
罗会兰卢飞余乐陶
申请人 ：
江西理工大学
申请人地址 ：
江西省赣州市章贡区红旗大道86号
代理机构 ：
温州知远专利代理事务所(特殊普通合伙)
代理人 ：
汤时达
优先权 ：
CN201811596891.6
主分类号 ：
G06K9/34
IPC分类号 ：
G06K9/34 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/20
图像捕获
G06K9/34
在图像分布图中，相接触的或相重叠的图形的分割
法律状态
2022-05-03 ：
授权
2019-05-21 ：
实质审查的生效
IPC(主分类) : G06K 9/34
申请日 : 20181226
申请日 : 20181226
2019-04-26 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
