公开(公告)号：CN119445425A

公开(公告)日：2025-02-14

申请号：CN202310965812.9

申请日：2023-08-02

Applicant: 上海大学

Inventor： 彭俊杰 ,  袁昊晨

IPC: G06V20/40 ,  G06V10/26 ,  G06V20/70 ,  G06V10/80

Abstract: 本发明涉及一种基于时序差分注意力机制的视频语义分割方法及模型，其中方法包括以下步骤：对获取的视频图像数据集进行标注，为图像中的每个像素分配像素所属类别；对图像数据集进行预处理；基于编码器提取视频中目标帧图像的多尺度空间特征；根据参考帧和目标帧图像，利用时序差分注意力模块提取图像的多尺度时序特征；基于自适应时序特征融合金字塔对不同尺度的时序特征进融合；对空间特征和融合后的时序特征进行拼接，得到拼接特征；将拼接特征输入至预测层中，输出预测结果。与现有技术相比，本发明具有分割准确率高、鲁棒性好等优点。

公开(公告)号：CN114398999B

公开(公告)日：2025-05-02

申请号：CN202210061270.8

申请日：2022-01-19

Applicant: 上海大学

Inventor： 彭俊杰 ,  袁昊晨 ,  张鹿鸣 ,  刘文甫

IPC: G06V10/764 ,  G06V10/80

Abstract: 本发明涉及一种基于全局语义特征融合的低对比度图像语义分割方法，包括以下步骤：获取包含多张样本图像的数据集，对数据集中的样本图像进行标注，以为图像中的每个像素分配像素所属类别；对标注后的样本图像进行预处理，得到预处理后的数据集；将预处理后的数据集输入构建的图像语义分割模型，以进行模型训练，得到训练好的图像语义分割模型；对待分割的低对比度图像进行标准化处理；将标准化处理后的待分割的低对比度图像输入训练好的图像语义分割模型，输出得到对应的分割结果。与现有技术相比，本发明有效解决了图像语义分割中低对比度目标分割的问题，能够对低对比度图像进行准确地语义分割。

公开(公告)号：CN114398999A

公开(公告)日：2022-04-26

申请号：CN202210061270.8

申请日：2022-01-19

Applicant: 上海大学

Inventor： 彭俊杰 ,  袁昊晨 ,  张鹿鸣 ,  刘文甫

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明涉及一种基于全局语义特征融合的低对比度图像语义分割方法，包括以下步骤：获取包含多张样本图像的数据集，对数据集中的样本图像进行标注，以为图像中的每个像素分配像素所属类别；对标注后的样本图像进行预处理，得到预处理后的数据集；将预处理后的数据集输入构建的图像语义分割模型，以进行模型训练，得到训练好的图像语义分割模型；对待分割的低对比度图像进行标准化处理；将标准化处理后的待分割的低对比度图像输入训练好的图像语义分割模型，输出得到对应的分割结果。与现有技术相比，本发明有效解决了图像语义分割中低对比度目标分割的问题，能够对低对比度图像进行准确地语义分割。