公开(公告)号：CN113947680A

公开(公告)日：2022-01-18

申请号：CN202111186956.1

申请日：2021-10-12

Applicant: 哈尔滨理工大学

Inventor： 林帆 ,  王小玉

IPC: G06V10/26 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于级联多尺度视觉Transformer架构的语义分割方法，包括：将图像切分为多个Patch，将Patch拉伸为一维向量N*C；步骤二、利用重叠Padding块编码对Patch进行位置编码；步骤三、将token输入Transformer模块，依次经过层归一化、多头注意力层以及前馈神经网络，重复步骤三至网络收敛；步骤四、利用块编码将token还原至二维，利用池化层将图像下采样至1/2；步骤五将编码阶段和当前阶段的特征图采用像素点信息聚合；步骤六将特征图上采样至1/4时采用卷积层输出为类别数，最后采用双线性插值算法将图像上采样至原图大小。本发明可以解决计算量大，分割边界不均匀问题。