一种基于对抗神经网络的语义分割方法
基本信息
| 申请号 | CN202111474990.9 | 申请日 | - |
| 公开（公告）号 | CN114693922A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693922A | 申请公布日 | 2022-07-01 |
| 分类号 | G06V10/26（2022.01）I;G06V10/44（2022.01）I;G06V10/764（2022.01）I;G06V10/774（2022.01）I;G06V10/776（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/62（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 赵哲峰;郭学俊;陈泽华;苏可;杨莹;张佳鹏;郭晓澎;曹桂芳 | 申请（专利权）人 | 太原理工大学 |
| 代理机构 | 太原晋科知识产权代理事务所（特殊普通合伙） | 代理人 | - |
| 地址 | 030024山西省太原市迎泽西大街79号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及图像识别与深度学习领域，具体是一种基于对抗神经网络的语义分割方法。包括以下步骤。S100～收集道路损伤图像数据集，并按比例划分为训练数据集和测试数据集，训练数据集用来训练对抗神经网络模型，测试数据集用来验证对抗神经网络模型的好坏；S200～构建Resnet‑50网络，当做基准预训练网络，输入道路损伤图像训练集，进行预训练；S300～训练对抗神经网络的分割模型，该模型包括PSPNet网络中的PPM模块和DeepLab中的ASPP模块；S400～将两个PPM模块和ASPP模块分割网络得到的结果输入判别模型中，输出类全局概率得分图；S500～根据判别网络得到的结果，重新调整两个分割模型进行训练，并且重复S300和S400，直到两个分割网络的结果趋于一致，从而达到语义分割的效果。 |
