一种基于深度学习的轻量级目标语义分割方法
授权
摘要
本发明提出了一种基于深度学习的轻量级目标语义分割方法。该方法的关键在于构建二维语义分割网络结构，在满足轻量化的基础上提高分割精度，并能解决多尺度目标分割问题。选取轻量化网络MobileNet v2模型的骨干网络，提出边界约束网络提高对边界分割的处理能力，从而可以同时满足分割的实时性与准确性。设计具有多尺度性质的金字塔池化模块，利用多次金字塔池化融合不同尺度的特征信息，可保证分割网络对多尺度目标分割的适用性。本发明针对目标的分割问题，研究对MobileNet v2模型的骨干网络的下采样特征图尺寸进行扩大，补全MobileNet v2模型丢失的图像的部分特征，提高了基于MobileNet v2模型对目标的分割精度。
基本信息
专利标题 ：
一种基于深度学习的轻量级目标语义分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113223006A
申请号 ：
CN202110545310.1
公开（公告）日 ：
2021-08-06
申请日 ：
2021-05-19
授权号 ：
CN113223006B
授权日 ：
2022-04-15
发明人 ：
陈光柱易佳
申请人 ：
成都理工大学
申请人地址 ：
四川省成都市成华区二仙桥东三路1号
代理机构 ：
代理人 ：
优先权 ：
CN202110545310.1
主分类号 ：
G06T7/10
IPC分类号 ：
G06T7/10 G06N3/04 G06N3/08 G06T7/181
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/10
分割；边缘检测
法律状态
2022-04-15 ：
授权
2021-09-17 ：
实质审查的生效
IPC(主分类) : G06T 7/10
申请日 : 20210519
申请日 : 20210519
2021-08-06 ：
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
