基于深度学习的全局特征和局部特征的图像语义分割方法
基本信息
| 申请号 | CN201810841610.2 | 申请日 | - |
| 公开（公告）号 | CN109190752B | 公开（公告）日 | 2021-07-23 |
| 申请公布号 | CN109190752B | 申请公布日 | 2021-07-23 |
| 分类号 | G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 宋辉;解伟;郭晓强;周芸;姜竹青;门爱东 | 申请（专利权）人 | 国家新闻出版广电总局广播科学研究院 |
| 代理机构 | 天津盛理知识产权代理有限公司 | 代理人 | 王利文 |
| 地址 | 100886北京市西城区复兴门外大街2号监管大楼521 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于深度学习的全局特征和局部特征的图像语义分割方法，包括以下步骤：在编码端，使用基于深度学习卷积神经网络模型提取图像的基础深度特征，同时根据卷积层的深度将特征分为低层特征和高层特征；应用特征融合模块将低层特征和高层特征融合成增强型的深度特征；在获取深度特征后，将其输入到解码端；以交叉熵损失函数为目标训练网络，使用mIoU评价网络性能。本发明设计合理，其使用深度卷积神经网络模型提取图像的全局和局部特征，充分利用了全局特征和局部特征的互补性，并且利用了堆叠池化层进一步提高性能，有效地提高了图像语义分割地准确率。 |
