-
公开(公告)号：CN112489064B
公开(公告)日：2022-03-25
申请号：CN202011472009.4
申请日：2020-12-14
Applicant: 桂林电子科技大学
IPC: G06T7/12 , G06T7/181 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于边缘放缩修正的全景分割方法，在原全景分割网络添加了一个可以通过边缘筛出细节、补全实例的修正机制，使最终得到的全景分割效果更贴近真实边缘。无需运用学习的方法，仅经过边界框大致定位和限制，再加上边缘的缩放机制，便可以找到目标边缘。根据每个实例对应的边界框确定实例的真实边缘信息，使用该边缘信息对实例分割掩码进行细节修正，最后结合语义分割，形成更优的全景分割掩码。相比于传统的没有边缘修正的全景分割方法，本发明可以提高分割的精度，使得全景分割结果更贴近边缘。相比于仅在边界框内进行边缘修正的全景分割方法，本发明能够考虑到边界框不准确、不完全框住目标实例的情况，使得修正的结果更具有鲁棒性。
-
公开(公告)号：CN112802038A
公开(公告)日：2021-05-14
申请号：CN202110100670.0
申请日：2021-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度边缘注意力的全景分割方法，针对不同尺度的图片进行多尺度边缘检测引导，多尺度的边缘检测引导可以让每个尺度选出较优权重再进行融合得到效果更好的全景分割结果。基于多尺度的边缘注意力模块提取图片的边缘金字塔，更好地提取物体的深层边缘信息。特征金字塔深度参与到全景分割网络的学习中去，与全景分割原本的多维度特征进行多次互补融合，相互影响，不仅能提高全景分割的精度，也可以大幅度提高最终结果中的物体边缘信息识别。
-
公开(公告)号：CN112802038B
公开(公告)日：2022-05-24
申请号：CN202110100670.0
申请日：2021-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度边缘注意力的全景分割方法，针对不同尺度的图片进行多尺度边缘检测引导，多尺度的边缘检测引导可以让每个尺度选出较优权重再进行融合得到效果更好的全景分割结果。基于多尺度的边缘注意力模块提取图片的边缘金字塔，更好地提取物体的深层边缘信息。特征金字塔深度参与到全景分割网络的学习中去，与全景分割原本的多维度特征进行多次互补融合，相互影响，不仅能提高全景分割的精度，也可以大幅度提高最终结果中的物体边缘信息识别。
-
公开(公告)号：CN112489064A
公开(公告)日：2021-03-12
申请号：CN202011472009.4
申请日：2020-12-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于边缘放缩修正的全景分割方法，在原全景分割网络添加了一个可以通过边缘筛出细节、补全实例的修正机制，使最终得到的全景分割效果更贴近真实边缘。无需运用学习的方法，仅经过边界框大致定位和限制，再加上边缘的缩放机制，便可以找到目标边缘。根据每个实例对应的边界框确定实例的真实边缘信息，使用该边缘信息对实例分割掩码进行细节修正，最后结合语义分割，形成更优的全景分割掩码。相比于传统的没有边缘修正的全景分割方法，本发明可以提高分割的精度，使得全景分割结果更贴近边缘。相比于仅在边界框内进行边缘修正的全景分割方法，本发明能够考虑到边界框不准确、不完全框住目标实例的情况，使得修正的结果更具有鲁棒性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
