[发明专利]一种基于深度学习的水下图像语义分割模型

权利要求书

1.一种基于深度学习的水下图像语义分割模型，其特征在于，包括如下步骤：

将输入图片进行预处理操作，然后将预处理之后的图片送入编码器模块，其中编码器模块包含五个阶段，先通过编码器进行编码，编码过程中通过通道注意力模块来对特征图的细节特征进行捕获，然后通过解码器进行解码，解码器包含四个阶段，将解码器得到的特征图和编码器得到的特征图进行特征融合，最后输出分割之后的结果。

2.根据权利要求1所述的基于深度学习的水下图像语义分割模型，其特征在于，在编码器中所述第一阶段编码模块输出的特征图通过通道注意力，进行平均池化、全连接层、激活、全连接层、激活等操作，得到特征图E9。

3.根据权利要求1所述的基于深度学习的水下图像语义分割模型，其特征在于，在编码器中所述第一阶段输出的特征图E9经过第二阶段编码器编码模块，然后通过通道注意力，进行平均池化、全连接层、激活、全连接层、激活等操作，得到特征图E17。

4.根据权利要求1所述的基于深度学习的水下图像语义分割模型，其特征在于，在编码器中所述第二阶段输出的特征图E17经过第三阶段编码器编码，然后通过通道注意力，进行平均池化、全连接层、激活、全连接层、激活等操作，得到特征图E26。

5.根据权利要求3所述的基于深度学习的水下图像语义分割模型，其特征在于，在编码器中所述第二阶段输出的特征图E35经过第三阶段编码器编码，然后通过通道注意力，进行平均池化、全连接层、激活、全连接层、激活等操作，得到特征图E39。

6.根据权利要求1所述的基于深度学习的水下图像语义分割模型，其特征在于，第一、二、三、四阶段解码模块所述通道注意力子模块采用PReLU激活函数。

7.根据权利要求1所述的基于深度学习的水下图像语义分割模型，其特征在于，预处理模块将输入图像的尺寸修改为512×512。

8.一种计算机系统，包括存储器、处理器、显卡及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-7任一项所述的一种基于深度学习的水下图像语义分割模型。