一种基于卷积神经网络生成的语义分割图像优化方法.pdf
Ro****44
亲,该文档总共12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
一种基于卷积神经网络生成的语义分割图像优化方法.pdf
本发明公开了一种基于卷积神经网络生成的语义分割图像优化方法,涉及图像分割技术领域,包括以下步骤:将高清的自然图片输入至全卷积神经网络FCN中通过编码器获得不同尺度的特征图,并经过解码器初步输出待优化的分割图像;对不同尺度的特征图采用交叉门控卷积,输出语义边界图像;根据卷积神经网络分割结果的概率分布计算出信息熵,得到熵分布图像;根据语义边界图像与熵分布图像采用一种基于蒙特卡洛采样和梯度下降迭代式的优化算法对分割图像进一步优化并输出最终优化后分割图像。本发明旨在提高生成结果在微小目标及不同目标的边缘交汇区域的
卷积神经网络中的一种语义图像分割方法.pdf
本发明揭示了一种新的用于图像语义分割的深度卷积神经网络架构,包含骨干网与上下文融合网络两个部分。充分利用卷积网络中各卷积层特征信息,将浅层与深层上下文信息进行结合,从而得到更好的图像语义分割效果。与深层卷积特征相比,浅层卷积特征能保留较好的图像底层细节信息,而深层特征能够提取高层语义信息,把两者的卷积特性结合起来可同时兼顾图像中局部和全局的上下文特征,又决定了最终分割准确率的高低,为此本发明该网络架构可以对网络中浅层与深层的特征进行精炼提取。实验结果表明,与传统的深度卷积网络模型相比,该方法在分割的精度以
基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统.pdf
本申请提供一种基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统,该方法包括:对预处理后的SAR图像进行分割,得到目标训练集未标注图像和目标训练集标注图像,其中,所述目标训练集标注图像为根据预设的分类标签,对所述目标训练集未标注图像进行类别标注得到;基于最大类间方差法,对所述不规则卷积核神经网络模型的卷积核的权值进行自适应阈值分割,得到自适应激活函数;基于所述不规则卷积核神经网络模型,对预处理后的SAR图像进行语义分割,得到语义分割后的SAR图像;所述不规则卷积核神经网络模型为:基于所述自适应激活
一种基于分割网络优化的图像语义分割方法及系统.pdf
本发明实施例提供一种基于分割网络优化的图像语义分割方法及系统,其中方法包括:确定待语义分割的图像;将所述图像输入至分割网络优化模型中,得到所述分割网络优化模型输出的图像语义分割结果;其中,所述分割网络优化模型是基于样本图像以及对应的像素类别标注进行多阶段损失函数训练后得到的,所述像素类别标注是预先确定的。本发明解决了现有传统的语义分割模型的训练方法不能很好地勾勒出分割部分的边界,对超声图像进行分割时经常出现不圆滑的边界和锯齿状边界的现象问题。
一种基于多监督全卷积神经网络的图像分割方法.pdf
本发明涉及一种多监督全卷积神经网络的图像分割方法,该方法在全卷积神经网络(FCN)的基础上做了进一步的优化,提出了一种新的网络结构,该网络结构拥有三个有监督的边输出层,有监督的边输出层可以指导网络学习多尺度特征,让网络同时获得图像的局部特征和全局特征。与此同时,为了更多的保留图像中的上下文信息,在网络的上采样部分,采用多个特征通道对输出的特征图进行上采样。最后,用一个带有权重的融合层将多个边输出层的分类结果融合,得到最终的图像分割结果。本发明实现的方法具有分割准确率高,分割速率快的特点;在骨肉瘤CT数据分