[发明专利]一种基于卷积神经网络的图像分割方法

权利要求书

1.一种基于卷积神经网络的图像分割方法，其特征在于，包括以下步骤：

步骤1、获取图像数据集，并对这些数据进行清洗；

步骤2、利用图像增强技术，对原始数据进行增强处理，并增加样本的数量，及丰富数据内容；

步骤3、模型搭建，在编码器部分，将原始主干网络ResNet101替换为ResNet152，调整扩张卷积空间金字塔池化模块的扩张率；在解码器部分，加入特征金字塔多尺度融合模块，以及注意力机制模块；

步骤4、实验训练阶段，选出最优结果；

步骤3具体包括以下步骤：

步骤3.1、在编码器部分，将主干网络ResNet101替换为更深层的ResNet152网络，ResNet152在ResNet101的基础上加厚了第三层和第四层的卷积块，在训练网络前加载ResNet152预训练模型作为初始化；

步骤3.2、在编码器部分对原始的ASPP模块进行调整；采用新的扩张率组合{4，8，12，16}；

步骤3.3、在解码器部分加入特征金字塔网络来融合前面阶段产生的特征图的特征，；

步骤3.4、在解码器部分加入通道注意力机制模块CAM和空间注意力机制模块PAM。

2.根据权利要求1所述的一种基于卷积神经网络的图像分割方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1、数据形态增强，对原始图像及其掩码标注，按照一定的比例对其长、宽进行缩放，及进行镜像对原始图像及其掩码标注进行平移操作，使用边缘像素补齐平移产生的图像区域；

步骤2.2、数据空间域增强；随机改变亮度以及对比度，保证图像的物理意义，中值滤波或高斯滤波之一或组合。