[发明专利]一种小目标敏感的双通道卷积神经网络语义分割方法有效
| 申请号： | 201810706675.6 | 申请日： | 2018-07-02 |
| 公开（公告）号： | CN109145939B | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 杨明;胡太 | 申请（专利权）人： | 南京师范大学 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种小目标敏感的双通道卷积神经网络语义分割方法，步骤为：使用Caffe深度学习框架搭建非加权学习网络和加权学习网络；对于两个通道的网络，分别使用双阶段训练方式对网络进行训练得到对应的语义分割模型；以验证集图像作为输入，通过两个语义分割模型得到两个通道的输出评分图，利用不同的模型融合算法对两个通道的输出评分图进行融合，并根据特定的评价指标选择最优的模型融合算法；根据语义分割模型和选择的最优模型融合算法来分割测试图像。本发明能够保证在数据集整体分割精度较优的前提下，对图像中存在的小目标区域较为敏感。 | ||
| 搜索关键词： | 一种 目标 敏感 双通道 卷积 神经网络 语义 分割 方法 | ||
【主权项】：
1.一种小目标敏感的双通道卷积神经网络语义分割方法，其特征在于，包括以下步骤：(1)使用Caffe深度学习框架搭建两个通道的卷积神经网络：非加权学习网络和加权学习网络；所述非加权学习网络用于对图像中目标的主体部位进行分割，加权学习网络用于对图像中小目标进行分割；(2)对于所述两个通道的网络，分别使用双阶段训练方式对网络进行训练得到对应的语义分割模型；(3)以验证集图像作为输入，通过步骤(2)得到的两个语义分割模型得到两个通道的输出评分图，利用不同的模型融合算法对两个通道的输出评分图进行融合，并根据特定的评价指标选择最优的模型融合算法；(4)在测试阶段，根据步骤(2)得到的语义分割模型和步骤(3)选择的最优模型融合算法来分割测试图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京师范大学，未经南京师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810706675.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种使用分类器进行分类的方法和装置
- 下一篇：图像识别方法和装置
