弱监督语义分割方法、语义分割方法及可读存储介质.pdf
秋花****姐姐
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
弱监督语义分割方法、语义分割方法及可读存储介质.pdf
本申请公开了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质,包括利用骨干分类网络对图像块进行分类处理,得到分类特征图;分类特征图包括目标分类特征图和中间分类特征图;根据目标分类特征图得到类别激活图,利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整;利用类别激活图以及分割特征图生成伪分割标签;根据伪分割标签对第一分割网络的第一分割参数进行调整;利用分割特征图生成目标分割标签,根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整;将训练完成后得到的目标特征图作为
图像语义分割方法、装置、设备及存储介质.pdf
本发明涉及人工智能,提供一种图像语义分割方法、装置、设备及存储介质。该方法能够获取尾部类别图像及头部类别图像,对尾部类别图像进行多尺度裁剪,得到多张裁剪图像,对每张裁剪图像进行增强处理,得到多张增强图像,根据每张裁剪图像、多张增强图像及头部类别图像生成训练图像,划分训练图像,得到第一阶段训练图像及第二阶段训练图像,基于第一阶段训练图像训练预设分类器,得到初始语义分割模型,根据第二阶段训练图像对初始语义分割模型中的预设参数进行调整,得到目标语义分割模型,分析待分类图像,得到目标类别。本发明能够准确的识别出图
语义分割方法、装置和系统及存储介质.pdf
本发明实施例提供一种语义分割方法、装置和系统以及存储介质。该方法包括:获取待处理图像;将待处理图像输入U型网络,以获得U型网络输出的待处理图像的语义分割结果,其中,U型网络的收缩路径包括依次连接的n个卷积模块,n个卷积模块中的第i个卷积模块的输出特征与在第i个卷积模块之后的至少一个卷积模块的输出特征结合到一起,结合后的特征跳跃连接到U型网络的扩张路径中的、与第i个卷积模块相对应的反卷积层的输出端,其中,n是大于1的整数,1≤i<n。根据本发明实施例的语义分割方法、装置和系统以及存储介质,由于采用浅层特征和
语义分割方法和语义分割装置.pdf
本申请提供了一种语义分割方法和语义分割装置,有利于提高语义分割结果准确率。该方法包括:获取目标图像,该目标图像包括航拍得到的RGB图像和深度图像,该深度图像是根据该RGB图像确定的;将该目标图像输入至语义分割网络,通过该语义分割网络对该目标图像进行特征提取,获取该目标图像的深度信息和语义信息,该特征提取包括细节特征提取、边缘特征提取、深度特征提取以及上下文特征提取;通过该语义分割网络对该深度信息和该语义信息进行特征融合,得到该目标图像的语义分割图像。
语义分割方法、装置和系统及存储介质.pdf
本发明实施例提供一种语义分割方法、装置和系统以及存储介质。该方法包括:获取待处理图像;将待处理图像输入U型网络,以获得U型网络输出的待处理图像的语义分割结果,其中,U型网络的扩张路径包括至少一个上采样模块,在至少一个上采样模块的每一个中,将输入特征中分别位于p个通道上的同一位置处的p个元素变换为同一通道上的相邻的p个元素,以获得变换后的特征,并将变换后的特征输入后续网络结构,其中,n是大于1的整数,1≤i<n。上述方法可获得更准确的语义分割结果。