一种基于方向性卷积网络的语义分割方法

授权

摘要

本发明公开了一种基于方向性卷积网络的语义分割方法，包括：(1)构建一个方向性卷积的全卷积网络；(2)将构建的方向性全卷积网络的顶层加入池化层和全连接层网络，构成第一深度模型，并在在大型数据集上进行预训练；(3)提取预训练好的第一深度模型中的全卷积部分，使用全卷积层初始化方向性全卷积网络的参数，并在其后加入新的全连接层，构成第二深度模型；(4)使用图片语义分割的数据集训练第二深度模型，直到模型收敛；(5)利用训练后的第二深度模型对待测图片进行分析，预测图像中每个像素所属的类别，形成图像语义分割图输出。本发明的方法能够促进语义分割学习感知野和中心像素的联系，提升训练模型的鲁棒性。

基本信息

专利标题：

一种基于方向性卷积网络的语义分割方法

专利标题（英）：

暂无

公开（公告）号：

CN111882563A

申请号：

CN202010669134.8

公开（公告）日：

2020-11-03

申请日：

2020-07-13

授权号：

CN111882563B

授权日：

2022-05-27

发明人：

武伯熹蔡登

申请人：

浙江大学

申请人地址：

浙江省杭州市西湖区余杭塘路866号

代理机构：

杭州天勤知识产权代理有限公司

代理人：

彭剑

优先权：

CN202010669134.8

主分类号：

G06T7/11

IPC分类号：

G06T7/11 G06N3/04 G06N3/08