公开(公告)号：CN113421268A

公开(公告)日：2021-09-21

申请号：CN202110637809.5

申请日：2021-06-08

Applicant: 南京邮电大学

Inventor： 欧晓焱 ,  葛琦

IPC: G06T7/10 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层级通道注意力机制deeplabv3+网络的语义分割方法，属于图像处理分割技术领域，包括如下步骤：步骤1：输入图像；步骤2：通过深度卷积神经网络获取输入图像的高级与低级语义特征；步骤3：将高级语义特征发送至空洞金字塔池化模块，步骤4：将步骤3获取的第一特征图送入多层级通道注意力机制模块，步骤5：将步骤4获取的第二特征图进行双线性插值上采样并与步骤2中获得的低级语义特征合并，步骤6：将步骤5中的合并特征图再次进行双线性插值上采样；步骤7：输出最终的预测结果；本发明在提高表语义分割的准确率的同时，减小网络模型的大小，提高识别速度，以满足移动应用的实时性要求。

公开(公告)号：CN113421268B

公开(公告)日：2022-09-16

申请号：CN202110637809.5

申请日：2021-06-08

Applicant: 南京邮电大学

Inventor： 欧晓焱 ,  葛琦

IPC: G06T7/10 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多层级通道注意力机制deeplabv3+网络的语义分割方法，属于图像处理分割技术领域，包括如下步骤：步骤1：输入图像；步骤2：通过深度卷积神经网络获取输入图像的高级与低级语义特征；步骤3：将高级语义特征发送至空洞金字塔池化模块，步骤4：将步骤3获取的第一特征图送入多层级通道注意力机制模块，步骤5：将步骤4获取的第二特征图进行双线性插值上采样并与步骤2中获得的低级语义特征合并，步骤6：将步骤5中的合并特征图再次进行双线性插值上采样；步骤7：输出最终的预测结果；本发明在提高表语义分割的准确率的同时，减小网络模型的大小，提高识别速度，以满足移动应用的实时性要求。