[发明专利]一种改进全卷积神经网络的语义分割方法在审
| 申请号： | 201810558048.2 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108921196A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 霍智勇;戴伟达 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏*** | 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： | 本发明公开了一种基于改进全卷积神经网络的语义分割方法，包括步骤：获取训练图像数据；将训练图像数据输入多孔全卷积神经网络，先通过标准卷积池化层得到尺寸缩小的特征图；再通过多孔卷积层在维持特征图尺寸的同时提取更稠密的特征；最后对特征图进行逐像素预测得到分割结果；且训练中利用随机梯度下降法SGD对多孔全卷积神经网络中的参数进行训练；获取需要语义分割的图像输入训练后的多孔全卷积神经网络，得到对应的语义分割结果。本发明可以改善全卷积网络中最终上采样恢复的特征图失去对图像的细节敏感性的问题，同时在不增加参数数量以及计算量的前提下，有效地扩大了滤波器的感受野。 | ||
| 搜索关键词： | 卷积神经网络 语义分割 特征图 卷积 训练图像 随机梯度下降法 滤波器 尺寸缩小 分割结果 图像输入 像素预测 计算量 上采样 有效地 池化 稠密 改进 图像 恢复 网络 | ||
【主权项】：
1.一种改进全卷积神经网络的语义分割方法，其特征在于包括以下步骤：步骤1、获取训练图像数据；步骤2、将训练图像数据输入改建得到的多孔全卷积神经网络进行训练；步骤3、获取需要语义分割的图像数据，并输入至训练后的多孔全卷积神经网络，获得对应的语义分割结果。
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邮电大学，未经南京邮电大学许可，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/201810558048.2/，转载请声明来源钻瓜专利网。
