公开(公告)号：CN118038051A

公开(公告)日：2024-05-14

申请号：CN202410248119.4

申请日：2024-03-05

Applicant: 北京工业大学

Inventor： 张勇 ,  李亚静 ,  张宇晴 ,  朴星霖

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/70 ,  G06N3/044 ,  G06N3/045

Abstract: 基于局部图网络递归增强特征表示的语义分割方法，用于解决城市场景中分割物体边缘不清晰以及遮挡物体分类不清晰的问题。本发明通过引入多尺度中心差分卷积来增强细粒度的特征表示。构建局部特征提取模块，通过建立局部像素图和中心像素图来捕捉像素关系，利用它来学习本地上下文信息，以提取更精细的像素特征。基于特征金字塔的反馈连接模块进行多尺度特征融合，递归增强了原始网络。本发明基于多尺度中心差分卷积提取边缘细粒度特征，缓解边界分割不清晰的问题。反馈连接模块递归增强骨干网络，提升了遮挡物体的分类能力，基于局部图网络的特征提取模块捕捉并利用了局部细节信息，在具有挑战性的城市景观数据集上的结果验证了发明的有效性。

公开(公告)号：CN116824438A

公开(公告)日：2023-09-29

申请号：CN202310638743.0

申请日：2023-06-01

Applicant: 北京工业大学

Inventor： 张勇 ,  张宇晴 ,  李亚静 ,  王少帆 ,  尹宝才

IPC: G06V20/40 ,  G06V10/26 ,  G06V10/44 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895

Abstract: 一种基于边缘注意门控图卷积网络的半监督视频分割方法，用于解决复杂场景中的无法准确分割出目标物体的问题。本发明将整个视频分割成若干超像素，并在视频第一帧生成若干种子点；将第一帧的种子点逐帧传播到后续帧，并将视频序列转化为时空图。之后，提出边缘注意力门控图卷积网络，实现对超像素前景、背景标签的划分，实现视频预分割。最后，基于目标在帧间形变的规律，对目标构造全局外观模型，优化分割，减缓相似物体或复杂背景干扰时的分割挑战。本发明基于超像素提取目标底层特征和边界轮廓，基于图卷积网络提取图像的深度特征，挖掘帧内和帧间的相关性，提升了捕获视频中蕴含的关联关系和潜在语义信息的能力，在多种分割挑战中表现良好。