公开(公告)号：CN115294334A

公开(公告)日：2022-11-04

申请号：CN202210932635.X

申请日：2022-08-04

Applicant: 桂林电子科技大学

Inventor： 雷晓春 ,  宫照庭 ,  谢浚霖 ,  江泽涛 ,  梁嘉铭 ,  陈俊彦

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于表征特征的双边缘图像分割方法，先构建图像分割模型；再将训练图像送入所构建的图像分割模型中进行训练，得到训练好的图像分割模型；后将待分割图像送入训练好的图像分割模型中进行预测，完成待分割图像的图像分割。利用表征边缘信息对分割结果进行优化，直接从原图表征特征对推理结果进行优化，不使用任何特征提取模块，也不属于双分支网络，优化过程参数，能够无条件附加在任何场景分割网络中直接使用；损失函数着重解决边缘像素与非边缘像素数量严重不均衡的问题，改善基于边缘的分割网络效果，并且可以用于其他网络的边缘细节优化；边缘像素的dropout方法，解决物体边缘像素与物体内部像素数量不均衡，防止边缘优化过拟合。

公开(公告)号：CN112802039B

公开(公告)日：2022-03-01

申请号：CN202110100682.3

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 雷晓春 ,  汪小龙 ,  江泽涛 ,  卢畅 ,  陈俊彦 ,  翟丰硕 ,  伍旭 ,  谢浚霖 ,  梁观平

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/136 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开一种基于全局边缘注意力的全景分割方法，在原全景分割网络结构的基础上添加了一个全局边缘注意力模块，利用当前模型的全景分割网络对原始训练图像进行全景分割得到当前模型的全景分割掩码；利用当前模型的全局边缘注意力模块对全景分割掩码进行全局边缘注意力检测，得到当前模型的全景分割掩码边缘矩阵；利用当前模型的全局边缘注意力模块对原始训练图像进行全局边缘注意力检测，得到当前模型的边缘矩阵因子；利用边缘矩阵因子去引导全景分割网络的实例和语义的全景分割，有利于区分细节和边缘，增强分割效果，提高分割效率。

公开(公告)号：CN112802039A

公开(公告)日：2021-05-14

申请号：CN202110100682.3

申请日：2021-01-26

Applicant: 桂林电子科技大学

Inventor： 雷晓春 ,  汪小龙 ,  江泽涛 ,  卢畅 ,  陈俊彦 ,  翟丰硕 ,  伍旭 ,  谢浚霖 ,  梁观平

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/136 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开一种基于全局边缘注意力的全景分割方法，在原全景分割网络结构的基础上添加了一个全局边缘注意力模块，利用当前模型的全景分割网络对原始训练图像进行全景分割得到当前模型的全景分割掩码；利用当前模型的全局边缘注意力模块对全景分割掩码进行全局边缘注意力检测，得到当前模型的全景分割掩码边缘矩阵；利用当前模型的全局边缘注意力模块对原始训练图像进行全局边缘注意力检测，得到当前模型的边缘矩阵因子；利用边缘矩阵因子去引导全景分割网络的实例和语义的全景分割，有利于区分细节和边缘，增强分割效果，提高分割效率。