公开(公告)号：CN116993975A

公开(公告)日：2023-11-03

申请号：CN202310844676.8

申请日：2023-07-11

Applicant: 复旦大学

Inventor： 王军华 ,  袁铮 ,  王鼎 ,  胡凯 ,  叶璐

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06V10/94 ,  G06V10/44 ,  G06V10/46 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明属于语义分割技术领域，具体为基于深度学习无监督领域适应的全景相机语义分割方法。本发明语义分割方法包括：构建视觉变换网络编码器解码器，通过视觉变换网络、可变形卷积、多层感知机、卷积等操作对输入图像进行编解码操作；使用可变形多级特征融合模块学习全景图像中发生严重形变的物体；使用在线原型适应模块，结合无监督领域适应中的自训练方法，对针孔图像和全景图像的融合特征图通过在线、单向、逐类对齐适应操作，提高网络抽取目标域样本的特征图的能力；应用网络模型时采用快速评估方法，提高网络的运行速度和分割精度。本发明解决了以往语义分割方法训练需求高、模型精度低、应用时模型运行速度慢的问题。