[发明专利]基于多分支深度可分离空洞卷积的实时语义分割方法

权利要求书

1.基于多分支深度可分离空洞卷积的实时语义分割方法，其特征是，包括步骤如下：

步骤1、构建多分支深度可分离空洞卷积语义分割网络；

所述多分支深度可分离空洞卷积语义分割网络包括2个主分支卷积模块、2个细节分支卷积模块、2个细节分支信息融合模块、3个上下文分支卷积模块、2个上下文分支信息融合模块、1个上下文分支多级上采样解码模块、1个上下文分支上采样模块、3个融合补全分支多尺度深度可分离空洞卷积模块、2个融合补全分支拼接模块、1个主分支逐点求和模块、1个主分支通道压缩模块和1个主分支上采样模块；

主分支第一卷积模块的输入端形成多分支深度可分离空洞卷积语义分割网络的输入端，主分支第一卷积模块的输出端连接主分支第二卷积模块的输入端，主分支第二卷积模块的输出端接细节分支第一卷积模块和上下文分支第一卷积模块的输入端；细节分支第一卷积模块的输出端连接细节分支第一信息融合模块、上下文分支第一信息融合模块和融合补全分支第一拼接模块的输入端，细节分支第一信息融合模块的输出端连接细节分支第二卷积模块和第一拼接模块的输入端，细节分支第二卷积模块的输出端连接细节分支第二信息融合模块和上下文分支第二信息融合模块的输入端，细节分支第二信息融合模块的输出端连接融合补全分支第二拼接模块的输入端；上下文分支第一卷积模块的输出端连接上下文分支第一信息融合模块和细节分支第一信息融合模块的输入端，上下文分支第一信息融合模块的输出端连接上下文分支第二卷积模块的输入端，上下文分支第二卷积模块的输出端连接上下文分支第二信息融合模块和细节分支第二信息融合模块的输入端，上下文分支第二信息融合模块的输出端连接上下文分支第三卷积模块的输入端，上下文分支第三卷积模块的输出端连接上下文分支多级上采样解码模块的输入端，上下文分支多级上采样解码模块的输出端连接上下文分支上采样模块的输入端，上下文分支上采样模块的输出端连接主分支逐点求和模块的输入端；融合补全分支第一拼接模块的输出端连接融合补全分支第一多尺度深度可分离空洞卷积模块的输入端，融合补全分支第一多尺度深度可分离空洞卷积模块的输出端连接融合补全分支第二拼接模块的输入端，融合补全分支第二拼接模块的输出端连接融合补全分支第二多尺度深度可分离空洞卷积模块的输入端，融合补全分支第二多尺度深度可分离空洞卷积模块的输出端连接融合补全分支第三多尺度深度可分离空洞卷积模块的输入端，融合补全分支第三多尺度深度可分离空洞卷积模块的输出端连接主分支逐点求和模块的输入端；主分支逐点求和模块的输出端连接主分支通道压缩模块的输入端，主分支通道压缩模块的输出端连接主分支上采样模块的输入端，主分支上采样模块的输出端形成多分支深度可分离空洞卷积语义分割网络的输出端；

步骤2、利用样本图像集对步骤1所构建的多分支深度可分离空洞卷积语义分割网络进行深度学习，得到多分支深度可分离空洞卷积语义分割模型；

步骤3、将待分割的原始图像送到步骤2所得到的多分支深度可分离空洞卷积语义分割模型中，多分支深度可分离空洞卷积语义分割模型输出分割好的图片。

2.根据权利要求1所述基于多分支深度可分离空洞卷积的实时语义分割方法，其特征是，步骤1中，每个主分支卷积模块包括N₁个卷积下采样单元和N₂个卷积单元；其中N₁和N₂为设定的大于等于1的正整数；

N₁个卷积下采样单元依次串联，N₂个卷积单元依次串联，第1个卷积下采样单元的输入端形成主分支卷积模块的输入端，第N₁个卷积下采样单元的输出端连接第1个卷积单元的输入端，第N₂个卷积单元的输出端形成主分支卷积模块的输出端。