-
公开(公告)号：CN111210432B
公开(公告)日：2023-07-25
申请号：CN202010030667.1
申请日：2020-01-12
Applicant: 湘潭大学
IPC: G06V10/26 , G06T3/40 , G06T3/60 , G06V10/52 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多尺度多级注意力机制的图像语义分割方法。本发明包括以下步骤：1、对图像和真实标签图进行数据预处理。2、建立多尺度注意力机制模型的神经网络结构，进行图像特征提取及融合。3、建立多级注意力机制模型的神经网络结构，进行多级图像的特征融合。4、模型训练，利用反向传播算法训练神经网络参数，直到网络收敛。本发明一种针对图像语义分割的神经网络模型，特别是提出了一种在多尺度上提取图像自身注意力信息的统一建模方法，以及在多级层面上进行不同级图像特征融合的网络结构，并且获得了在语义分割领域较好的分割效果。
-
公开(公告)号：CN112750129A
公开(公告)日：2021-05-04
申请号：CN202110035003.9
申请日：2021-03-11
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于特征增强位置注意力机制的图像语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于特征增强位置注意力机制的图像语义分割模型，通过注意力机制学习像素点图像特征之间的关联性以及通过增加感受野进一步捕获图像丰富的上下文语义信息。2、模型训练，首先对数据集预处理，然后根据建立好的模型进行模型训练。3、模型推理，将测试集的图像输入到训练好的模型中，推理测试图像的语义类别预测值，评估预测准确度。本发明是一种针对图像语义分割的神经网络模型，特别是提出了一种特征增强位置注意力机制提取图像自身注意力信息的统一建模方法，获得了在语义分割领域较好的分割效果。
-
公开(公告)号：CN112750129B
公开(公告)日：2022-12-02
申请号：CN202110035003.9
申请日：2021-03-11
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于特征增强位置注意力机制的图像语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于特征增强位置注意力机制的图像语义分割模型，通过注意力机制学习像素点图像特征之间的关联性以及通过增加感受野进一步捕获图像丰富的上下文语义信息。2、模型训练，首先对数据集预处理，然后根据建立好的模型进行模型训练。3、模型推理，将测试集的图像输入到训练好的模型中，推理测试图像的语义类别预测值，评估预测准确度。本发明是一种针对图像语义分割的神经网络模型，特别是提出了一种特征增强位置注意力机制提取图像自身注意力信息的统一建模方法，获得了在语义分割领域较好的分割效果。
-
公开(公告)号：CN111210432A
公开(公告)日：2020-05-29
申请号：CN202010030667.1
申请日：2020-01-12
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于多尺度多级注意力机制的图像语义分割方法。本发明包括以下步骤：1、对图像和真实标签图进行数据预处理。2、建立多尺度注意力机制模型的神经网络结构，进行图像特征提取及融合。3、建立多级注意力机制模型的神经网络结构，进行多级图像的特征融合。4、模型训练，利用反向传播算法训练神经网络参数，直到网络收敛。本发明一种针对图像语义分割的神经网络模型，特别是提出了一种在多尺度上提取图像自身注意力信息的统一建模方法，以及在多级层面上进行不同级图像特征融合的网络结构，并且获得了在语义分割领域较好的分割效果。
-
-
-
Search Results
4
records
(took 0.014 seconds)
