公开(公告)号：CN110264483B

公开(公告)日：2023-04-18

申请号：CN201910529371.1

申请日：2019-06-19

Applicant: 东北大学

Inventor： 朱和贵 ,  王宝玉

IPC: G06T7/12 ,  G06T7/181 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于深度学习的语义图像分割方法，涉及人工智能的计算机视觉技术领域。该方法包括：对输入图像进行预处理；利用带有共享分解卷积结构的深度卷积神经网络提取特征；提取深度网络中不同层级的特征信息；利用双线性插值法恢复空间特征分辨率；将所得特征进行级联；共享卷积计算并得到单通道特征图；恢复编码阶段所得特征的空间分辨率；将单通道特征图与解码阶段特征图进行级联；计算交叉熵损失，更新深度神经网络参数。本方法克服了随孔洞卷积膨胀率的增大而导致的网格伪影问题，并克服了随网络层次的加深而导致的稀疏空间特征分辨率的问题，同时提高了网络模型对于目标的分割精确度和平均交并比。

公开(公告)号：CN110264483A

公开(公告)日：2019-09-20

申请号：CN201910529371.1

申请日：2019-06-19

Applicant: 东北大学

Inventor： 朱和贵 ,  王宝玉

IPC: G06T7/12 ,  G06T7/181 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于深度学习的语义图像分割方法，涉及人工智能的计算机视觉技术领域。该方法包括：对输入图像进行预处理；利用带有共享分解卷积结构的深度卷积神经网络提取特征；提取深度网络中不同层级的特征信息；利用双线性插值法恢复空间特征分辨率；将所得特征进行级联；共享卷积计算并得到单通道特征图；恢复编码阶段所得特征的空间分辨率；将单通道特征图与解码阶段特征图进行级联；计算交叉熵损失，更新深度神经网络参数。本方法克服了随孔洞卷积膨胀率的增大而导致的网格伪影问题，并克服了随网络层次的加深而导致的稀疏空间特征分辨率的问题，同时提高了网络模型对于目标的分割精确度和平均交并比。