[发明专利]一种基于深度学习的地外天体巡视器障碍物分割方法

权利要求书

1.一种基于深度学习的地外天体巡视器障碍物分割方法，该方法包括：

S1，利用地外天体巡视器获得的图像集及其对应的人工标注图集形成样本集；

S2，将所述样本集中的样本分成训练样本、验证样本和测试样本；

S3，基于VGGNet卷积网络和U-Net网络构建神经网络；

S4，将所述训练样本和所述验证样本输入所述神经网络，对神经网络进行训练得到训练模型；

S5，利用所述训练模型对所述测试样本进行测试，得到地外天体的障碍物分割结果。

2.根据权利要求1所述的基于深度学习的地外天体巡视器障碍物分割方法，其中，在所述步骤S1中包括：

通过对地外天体巡视器获得的图像集进行人工标注得到人工标注图集。

3.根据权利要求1所述的基于深度学习的地外天体巡视器障碍物分割方法，其中，在所述步骤S2中包括：

按80％、10％和10％的比例，将所述样本集中的样本随机分成训练样本、验证样本和测试样本。

4.根据权利要求1所述的基于深度学习的地外天体巡视器障碍物分割方法，其中，在所述步骤S3中通过以下步骤构建神经网络：

S301，在神经网络的编码器中，利用VGG16网络结构中block1、block2、block3、block4的全部层和block5的卷积层，并且将所有层设置为可训练；

S302，在神经网络的解码器中，对所述编码器中每层输出的特征图进行恢复。

5.根据权利要求4所述的基于深度学习的地外天体巡视器障碍物分割方法，其中，在步骤S301中，通过以下方法构建编码器：

block1中包含2个卷积层block1_conv1、block1_conv2、1个池化层block1_pool，每个卷积层通道数为64，卷积核大小为3×3；block2中包含2个卷积层block2_conv1、block2_conv2、1个池化层block2_pool，每个卷积层通道数为128，卷积核大小为3×3；block3中包含3个卷积层block3_conv1、block3_conv2、block3_conv3、1个池化层block3_pool，每个卷积层通道数为256，卷积核大小为3×3；block4中包含3个卷积层block4_conv1、block4_conv2、block4_conv3、1个池化层block4_pool，每个卷积层通道数为512，卷积核大小为3×3；block5中包含3个卷积层block5_conv1、block5_conv2、block5_conv3，每个卷积层通道数为512，卷积核大小为3×3；所有的池化层采用最大池化。