公开(公告)号：CN114494293B

公开(公告)日：2024-09-06

申请号：CN202210070125.6

申请日：2022-01-21

Applicant: 大连理工大学

Inventor： 刘宇 ,  贾棋 ,  姚水连 ,  樊鑫 ,  刘日升 ,  王祎 ,  薛昕惟

IPC: G06T7/11 ,  G06T7/12 ,  G06T7/13 ,  G06T5/30 ,  G06T5/60 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及计算机视觉图像分割领域，提供一种基于放大采样的伪装目标分割方法，包括：步骤100，将数据集划分为训练集和测试集；步骤200，将训练数据集输入深度神经分割网络中，得到训练好的模型，迭代此过程，逐步得到精确的网络模型；步骤300，将测试集输入到训练好的模型中，得到预测结果，迭代此过程，逐步得到更精确的预测结果；步骤400，将预测结果与测试集的真值对齐，得到最终的预测结果。相较于单阶段伪装物体检测方法，本发明检测分割物体更为准确，能够大幅度提高小物体的分割精度，使图像分割更加精细。

公开(公告)号：CN114494293A

公开(公告)日：2022-05-13

申请号：CN202210070125.6

申请日：2022-01-21

Applicant: 大连理工大学

Inventor： 刘宇 ,  贾棋 ,  姚水连 ,  樊鑫 ,  刘日升 ,  王祎 ,  薛昕惟

IPC: G06T7/11 ,  G06T7/12 ,  G06T7/13 ,  G06T5/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及计算机视觉图像分割领域，提供一种基于放大采样的伪装目标分割方法，包括：步骤100，将数据集划分为训练集和测试集；步骤200，将训练数据集输入深度神经分割网络中，得到训练好的模型，迭代此过程，逐步得到精确的网络模型；步骤300，将测试集输入到训练好的模型中，得到预测结果，迭代此过程，逐步得到更精确的预测结果；步骤400，将预测结果与测试集的真值对齐，得到最终的预测结果。相较于单阶段伪装物体检测方法，本发明检测分割物体更为准确，能够大幅度提高小物体的分割精度，使图像分割更加精细。