公开(公告)号：CN116229061A

公开(公告)日：2023-06-06

申请号：CN202310022874.6

申请日：2023-01-08

Applicant: 复旦大学

Inventor： 张力 ,  陈家棋 ,  卢嘉晨 ,  朱霞天

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/56 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于图像生成的语义分割方法，包括：获取待分割图像，对待分割图像进行归一化处理，并将归一化处理后的待分割图像转换为张量格式的图像，将得到的张量格式的图像输入预先训练好的语义分割模型中，以得到语义分割结果。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题，以及由于该方法必须随着总类别数量的增减来修改像素级分类器的输出通道数，频繁的模型修改会导致时间成本增加的技术问题。

公开(公告)号：CN116229063B

公开(公告)日：2024-01-26

申请号：CN202310036249.7

申请日：2023-01-08

Applicant: 复旦大学

Inventor： 张力 ,  陈家棋 ,  卢嘉晨 ,  朱霞天

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/56 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。

公开(公告)号：CN116229063A

公开(公告)日：2023-06-06

申请号：CN202310036249.7

申请日：2023-01-08

Applicant: 复旦大学

Inventor： 张力 ,  陈家棋 ,  卢嘉晨 ,  朱霞天

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/56 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。