-
公开(公告)号：CN110517270B
公开(公告)日：2022-04-12
申请号：CN201910642478.7
申请日：2019-07-16
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/90 , G06V10/762 , G06K9/62 , G06N3/04
Abstract: 一种基于超像素深度网络的室内场景语义分割方法，能够缓解像素作为深度网络计算单元带来的图像语义分割边界不清晰以及计算量大的问题，同时打破现有深度网络方法无法接受无序的超像素集合作为输入的局限。该方法包括：(1)对RGB颜色图像使用简单线性迭代聚类分割算法SLIC得到超像素集合；(2)计算每一个超像素的最小包围矩形；(3)基于超像素深度网络RCN提取图像的颜色特征与深度特征；(4)用每一个超像素的最小包围矩形，在颜色与深度的多层次特征图上进行裁剪和重塑操作，得到每一个超像素颜色多层次特征表示与深度多层次特征表示；(5)融合超像素颜色多层次特征与深度多层次特征得到超像素特征，对超像素进行分类。
-
公开(公告)号：CN110096961B
公开(公告)日：2021-03-02
申请号：CN201910269599.1
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 公开一种超像素级别的室内场景语义标注方法，其能够避免深度网络应用于像素级室内场景标注计算成本巨大的问题，而且能够使深度网络接受超像素集合作为输入。这种超像素级别的室内场景语义标注方法，包括以下步骤：(1)使用简单线性迭代聚类分割算法对室内场景彩色图像进行超像素分割；(2)结合室内场景深度图像对步骤(1)获得的超像素，提取超像素核描述子特征(初级特征)；(3)构建超像素的邻域；(4)构建超像素深度网络SuperPixelNet，学习超像素多模态特征；对待标注超像素，结合该超像素及其邻域超像素的多模态特征，对室内场景RGB‑D图像给出超像素级语义标注。
-
公开(公告)号：CN110517270A
公开(公告)日：2019-11-29
申请号：CN201910642478.7
申请日：2019-07-16
Applicant: 北京工业大学
Abstract: 一种基于超像素深度网络的室内场景语义分割方法，能够缓解像素作为深度网络计算单元带来的图像语义分割边界不清晰以及计算量大的问题，同时打破现有深度网络方法无法接受无序的超像素集合作为输入的局限。该方法包括：(1)对RGB颜色图像使用简单线性迭代聚类分割算法SLIC得到超像素集合；(2)计算每一个超像素的最小包围矩形；(3)基于超像素深度网络RCN提取图像的颜色特征与深度特征；(4)用每一个超像素的最小包围矩形，在颜色与深度的多层次特征图上进行裁剪和重塑操作，得到每一个超像素颜色多层次特征表示与深度多层次特征表示；(5)融合超像素颜色多层次特征与深度多层次特征得到超像素特征，对超像素进行分类。
-
公开(公告)号：CN110096961A
公开(公告)日：2019-08-06
申请号：CN201910269599.1
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 公开一种超像素级别的室内场景语义标注方法，其能够避免深度网络应用于像素级室内场景标注计算成本巨大的问题，而且能够使深度网络接受超像素集合作为输入。这种超像素级别的室内场景语义标注方法，包括以下步骤：(1)使用简单线性迭代聚类分割算法对室内场景彩色图像进行超像素分割；(2)结合室内场景深度图像对步骤(1)获得的超像素，提取超像素核描述子特征(初级特征)；(3)构建超像素的邻域；(4)构建超像素深度网络SuperPixelNet，学习超像素多模态特征；对待标注超像素，结合该超像素及其邻域超像素的多模态特征，对室内场景RGB-D图像给出超像素级语义标注。
-
-
-
Search Results
4
records
(took 0.015 seconds)
