-
公开(公告)号：CN110728683A
公开(公告)日：2020-01-24
申请号：CN201910935594.8
申请日：2019-09-29
Applicant: 吉林大学
Abstract: 本发明公开了一种基于密集连接的图像语义分割方法，包括如下步骤：S101：确定需要使用的数据集及其对应的标注图像，其标注图像为每一个像素赋予类别标签；S102：设计基于密集连接的图像语义分割网络，图像语义分割网络包括密集连接单元、通道融合单元、特征图融合单元；S103：设计密集连接单元密集、连接单元提取的特征图经过图像变换操作，之后再经过转置操作，然后进行softmax操作，得到通道注意力映射图；设计通道融合单元，通过挖掘通道图之间的相互依赖关系可以增强有相互依赖关系的特征图；设计特征图融合单元，将通道融合单元的输出映射图与密集连接的特征提取单元的结果进行加运算融合操作。本发明能有效重复利用不同层和不同通道之间的特征，不仅有效地提高分割效率，还减少了参数量。
-
公开(公告)号：CN110070059B
公开(公告)日：2022-07-29
申请号：CN201910341103.7
申请日：2019-04-25
Applicant: 吉林大学
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于域迁移的非结构化道路检测方法，包括A网络、B网络、C网络、D网络四部分，步骤如下利用AirSim开源自动驾驶仿真平台结合自建模型，生成人工合成数据集；利用人工合成数据，训练网络的分割部分，并结合采集的无标签非结构化道路检测数据，生成伪标签；利用域迁移技术，结合伪标签组成的真实数据集和人工合成数据集训练整个网络；取出完成域迁移训练网络的分割部分完成非结构化道路检测。本发明通过域迁移的技术，将数量多的人工合成数据作为源域，数量少的真实数据作为目标域，实现了非结构化道路检测数据集的扩充，解决了因数据集不足而导致的非结构化道路检测精度低、鲁棒性差的问题。
-
公开(公告)号：CN110070059A
公开(公告)日：2019-07-30
申请号：CN201910341103.7
申请日：2019-04-25
Applicant: 吉林大学
Abstract: 本发明公开了一种基于域迁移的非结构化道路检测方法，包括A网络、B网络、C网络、D网络四部分，步骤如下利用AirSim开源自动驾驶仿真平台结合自建模型，生成人工合成数据集；利用人工合成数据，训练网络的分割部分，并结合采集的无标签非结构化道路检测数据，生成伪标签；利用域迁移技术，结合伪标签组成的真实数据集和人工合成数据集训练整个网络；取出完成域迁移训练网络的分割部分完成非结构化道路检测。本发明通过域迁移的技术，将数量多的人工合成数据作为源域，数量少的真实数据作为目标域，实现了非结构化道路检测数据集的扩充，解决了因数据集不足而导致的非结构化道路检测精度低、鲁棒性差的问题。
-
公开(公告)号：CN110728683B
公开(公告)日：2021-02-26
申请号：CN201910935594.8
申请日：2019-09-29
Applicant: 吉林大学
Abstract: 本发明公开了一种基于密集连接的图像语义分割方法，包括如下步骤：S101：确定需要使用的数据集及其对应的标注图像，其标注图像为每一个像素赋予类别标签；S102：设计基于密集连接的图像语义分割网络，图像语义分割网络包括密集连接单元、通道融合单元、特征图融合单元；S103：设计密集连接单元密集、连接单元提取的特征图经过图像变换操作，之后再经过转置操作，然后进行softmax操作，得到通道注意力映射图；设计通道融合单元，通过挖掘通道图之间的相互依赖关系可以增强有相互依赖关系的特征图；设计特征图融合单元，将通道融合单元的输出映射图与密集连接的特征提取单元的结果进行加运算融合操作。本发明能有效重复利用不同层和不同通道之间的特征，不仅有效地提高分割效率，还减少了参数量。
-
-
-
Search Results
4
records
(took 0.016 seconds)
