[发明专利]改进型编码解码结构的全卷积神经网络语义分割方法有效
| 申请号： | 201910914737.7 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110717921B | 公开（公告）日： | 2022-11-15 |
| 发明（设计）人： | 王宏健;胡文月;李庆;杜雪;肖瑶;班喜程 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06T7/12 | 分类号： | G06T7/12;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于深度学习及机器视觉领域，具体涉及一种改进型编码解码结构的全卷积神经网络语义分割方法。本发明采用图像预处理操作不仅提高了模型的精度，而且也增强了模型的稳定性；针对池化和下采样的重复组合的操作引起特征分辨率下降的问题，采用全卷积神经网络，进而提高了语义分割的准确性；引用U‑net模型结构的思想，采用编码‑解码结构，保留了二倍和四倍下采样的特征信息，分别与四倍和二倍上采样特征信息进行融合，通过逐渐恢复空间信息来捕捉清晰的目标边界，解决了图像边缘分割不太准确的问题，同时提高了神经网络的收敛速度，节约了运行时间。 | ||
| 搜索关键词： | 改进型 编码 解码 结构 卷积 神经网络 语义 分割 方法 | ||
【主权项】：
1.改进型编码解码结构的全卷积神经网络语义分割方法，其特征在于，包括以下步骤：/n步骤1：根据待识别的图片，搜集相关数据，制作数据集；/n步骤2：对数据集中的图片预处理；/n步骤3：搭建神经网络模型框架；/n所述的神经网络模型框架包括图像预处理模块、下采样模块、ASPP模块和上采样模块；所述的神经网络模型框架基于resnet-101改进，去掉第五层中的pooling层，并将第四层和第五层的卷积换成步长分别为2和4的带孔卷积；加入ASPP模块；去掉神经网络中所有的池化层；最后引入编码-解码结构设计思想设计网络整体框架；/n步骤4：训练神经网络模型；/n步骤5：将待识别的图片输入训练好的神经网络模型中，得到识别结果。/n
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910914737.7/，转载请声明来源钻瓜专利网。
