[发明专利]基于深度加权全卷积网络的室内场景迁移分割方法在审
| 申请号： | 201910453625.6 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110246149A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 田智强;张银书;陈张;刘帅;杜少毅 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06T7/13 | 分类号： | G06T7/13 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 李鹏威 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度加权全卷积网络的室内场景图像迁移分割方法，针对室内场景分割问题，将全卷积网络模型迁移到室内场景的分割领域，并在训练过程中使用加权交叉熵损失函数，解决了训练过程中图像类别不平衡的问题，使得训练更快收敛，模型更加精确；同时通过生成图像翻译和水平反射来增加原始数据集，提高了模型的鲁棒性和准确度。本发明能够准确地对室内场景进行分割，为智能机器人的移动和物体抓取提供了视觉感知信息，在针对室内场景的领域有较高的应用价值。 | ||
| 搜索关键词： | 室内场景 分割 卷积 加权 训练过程 迁移 室内场景图像 视觉感知信息 原始数据集 智能机器人 准确度 生成图像 水平反射 损失函数 图像类别 网络模型 物体抓取 交叉熵 鲁棒性 收敛 网络 翻译 移动 应用 | ||
【主权项】：
1.基于深度加权全卷积网络的室内场景迁移分割方法，其特征在于，包括以下步骤：步骤1，收集室内场景的图片，对图片中的物体进行人工分割得到真值标签，进行图像扩充后将其分为训练集和测试集；步骤2，将全卷积网络模型迁移至室内场景的分割，将训练图像和相应的物体轮廓作为输入，进行端对端的训练，得到室内场景分割模型；步骤3，对于训练好的室内场景分割模型，将测试图像作为输入，得到自动分割的物体轮廓。
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西安交通大学，未经西安交通大学许可，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/201910453625.6/，转载请声明来源钻瓜专利网。
