基于DeepLabV3+网络模型的裂缝语义分割方法.pdf
Jo****63
亲,该文档总共19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
基于DeepLabV3+网络模型的裂缝语义分割方法.pdf
本发明提供基于DeepLabV3+网络模型的裂缝语义分割方法,能够有效提高沥青路面裂缝语义分割的准确性,提升了网络整体的裂缝预测性能。裂缝语义分割方法具体包括如下步骤:采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码;通过双线性插值对编码后的待检测裂缝图像进行解码;通过像素点渲染对解码后的待检测裂缝图像进行重点像素点重构;对重构后的待检测裂缝图像进行分类预测,获得裂缝分割结果。
基于生成对抗网络的图像语义分割模型构建方法和装置.pdf
本申请公开了一种基于生成对抗网络的图像语义分割模型构建方法和装置,该方法使用分割模型训练源域数据集,再使用生成对抗网络将源域数据集转换为新的目标域数据集,该新的目标域数据集保留了源域数据集中图像的结构特征但同时具有目标域数据集的全局特征,因此使用新的目标域数据集微调源域分割模型将降低源域和目标域的域移位影响,并且不会对数据的其他图像特征产生负影响,提高了图像语义分割模型的泛化能力,提高了自适应图像语义分割模型的精度和效率。如此,通过使用生成对抗网络有效的减少了源域和目标域间域移位的影响,提高了自适应图像语
基于改进PSPNet的语义分割模型.pdf
本发明提出基于改进PSPNet的语义分割算法,解决PSPNet对于小目标与物体边缘分割效果差,提高网络的分割精度。其包括以下步骤:1)以ResNet50为基础添加改进的通道注意力模块作为主干特征提取网络,充分提取图像浅层特征信息;2)将金字塔池化模块(PPM)的四种全局池化由1×1、2×2、3×3、4×4改为1×1、2×2、4×4、8×8,同时对后三种池化模块添加改进的空间注意力模块,来融合提取的浅层特征信息建立加强特征提取网络。3)将四种深层特征图上采样与浅层特征图拼接,利用双线性插值恢复至输入图片大小
矿区语义分割模型构建方法、装置及矿区语义分割方法.pdf
本发明提供了矿区语义分割模型构建方法、装置及矿区语义分割方法,涉及矿区地物遥感分类领域,方法包括:获取原始矿区影像数据;对原始矿区影像数据进行预处理,得到原始矿区多光谱数据和原始矿区数字高程模型数据;对原始矿区多光谱数据和原始矿区数字高程模型数据进行分类体系构建,得到匹配的原始矿区地物分类标记数据;通过原始矿区多光谱数据、原始矿区数字高程模型数据和原始矿区地物分类标记数据对预设的原始HRNet模型进行训练和参数调优,得到基于HRNet的矿区语义分割模型。解决了现有基于语义分割方法的矿区分类精度低的问题。
语义分割模型训练方法及装置、图像语义分割方法及装置.pdf
本公开提供了一种语义分割模型训练方法、图像语义分割方法、语义分割模型训练装置、图像语义分割装置、电子设备和计算机可读存储介质,其中语义分割模型训练方法包括:获取训练集,训练集包括图像以及对应的标注信息;将图像进行特征提取,得到图像的特征数据;基于特征数据,得到第一分割框信息以及第一语义分割信息;基于特征数据、第一分割框信息以及第一语义分割信息,得到图像的第二分割框信息以及第二语义分割信息;基于第二分割框信息与标注信息、和/或基于第二语义分割信息与标注信息,确定损失值;基于损失值,调整语义分割模型的参数。语