-
公开(公告)号：CN116543155A
公开(公告)日：2023-08-04
申请号：CN202310508273.6
申请日：2023-05-08
Applicant: 海南大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于上下文级联和多尺度特征细化的语义分割方法及装置，所述方法应用于卷积神经网络，卷积神经网络包括基于上下文级联和多尺度特征细化的语义分割网络，方法包括：图像输入骨干网络进行特征编码；后输入上下文级联模块，各级不同感受野的特征图进行级联操作，获取具有全局特征的多尺度上下文信息特征图；将低维阶段的特征图输入多尺度特征细化模块通过通道切分及卷积，获取低维阶段多尺度空间信息，注意力指导后得到低维多尺度空间特征图，并和具有全局特征的多尺度上下文信息特征图深度融合，通过上采样实现特征图的预测。本发明实现了在资源受限平台上挖掘多尺度上下文信息和细化空间细节时更好的平衡分割准确率和推理速度。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
