-
公开(公告)号：CN113066089B
公开(公告)日：2023-07-11
申请号：CN202110366778.4
申请日：2021-04-06
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于注意力引导机制的实时图像语义分割方法，包括下采样单元，上采样单元，极致高效残差模块，自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块，使用自适应注意力模块ASAM有效减小了模块的计算复杂度，且能捕捉到有效像素点之间的相关性信息；并通过自适应融合模块ASFM将低级与高级特征连接起来，在语义分割中，将不同层次的特征连接起来；通过对以上五个组件进行堆叠，构建基于注意力机制的实时语义分割网络，其中编码器生成下采样的特征图，解码器对深层的特征图进行上采样以匹配输入图像分辨率，恢复图像的空间信息并向分割类别映射，最终生成与输入图像相同分辨率的语义分割结果图。
-
公开(公告)号：CN113066089A
公开(公告)日：2021-07-02
申请号：CN202110366778.4
申请日：2021-04-06
Applicant: 南京邮电大学
Abstract: 一种基于注意力引导机制的实时图像语义分割网络，包括下采样单元，上采样单元，极致高效残差模块，自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块，使用自适应注意力模块ASAM有效减小了模块的计算复杂度，且能捕捉到有效像素点之间的相关性信息；并通过自适应融合模块ASFM将低级与高级特征连接起来，在语义分割中，将不同层次的特征连接起来；通过对以上五个组件进行堆叠，构建基于注意力机制的实时语义分割网络，其中编码器生成下采样的特征图，解码器对深层的特征图进行上采样以匹配输入图像分辨率，恢复图像的空间信息并向分割类别映射，最终生成与输入图像相同分辨率的语义分割结果图。
-
公开(公告)号：CN110188768A
公开(公告)日：2019-08-30
申请号：CN201910384869.3
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统，所述方法包括：编码器基于分解卷积操作和并行分解卷积操作提取输入图像的图像特征，得到低分辨率的深层语义特征图并输出至解码器；所述解码器基于分解卷积操作和并行分解卷积操作对所述低分辨率的深层语义特征图进行细节精调，并将细节精调后的低分辨率的深层语义特征图上采样到所述输入图像大小，恢复输入图像的空间信息并向分割类别映射，最终生成与输入图像具有相同分辨率的语义分割结果图。上述的方案，可以在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN111626300B
公开(公告)日：2022-08-26
申请号：CN202010375529.7
申请日：2020-05-07
Applicant: 南京邮电大学
Abstract: 本申请公开了一种基于上下文感知的图像语义分割模型，包括：编码骨干网、解码器；编码骨干网和解码器之间连接有稠密注意力上下文网络；稠密注意力上下文网络包括分级细化残差模块、联合通道注意力模块、堆叠模块和注意力增强的空间金字塔模块。本申请还公开了上述模型的建模方法。本申请的图像语义分割模型中的稠密注意力上下文网络采用分级细化残差模块HRRB、联合通道注意力模块JCA和注意力增强的空间金字塔模块APSM的结合充分提取并融合来自不同骨干层的信息，得到高分辨率的特征图，为后续的解码端提供感受野丰富的信息，增强图像语义分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN110084274B
公开(公告)日：2022-09-06
申请号：CN201910247530.9
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统、可读存储介质和终端，所述方法包括：编码器对输入的原始特征图像利用基于特征通道的拆分和重排的卷积单元进行卷积操作以提取图像特征并输出至解码器；所述解码器采用注意力金字塔网络模型对所述编码器的输出特征图像进行密集的特征提取，并将所提取的特征向分割类别进行映射，最后将分割结果上采样到输入的原始特征图像分辨率。上述的方案，在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN111091130A
公开(公告)日：2020-05-01
申请号：CN201911280783.2
申请日：2019-12-13
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于轻量级卷积神经网络的实时图像语义分割方法及系统，所述系统包括下采样单元、上采样单元和极致高效残差模块；下采样单元降低分辨率和改变通道数；上采样单元提升分辨率，并且改变通道数；极致高效残差模块由1D分解卷积、高效的深度可分离卷积和具有不同扩张率的扩张卷积构成，用于提取特征。本发明的整体网络架构是一种高效非对称多分支的编解码结构，没有使用额外的后处理策略和预训练模型，与目前最先进的轻量级网络模型相比，本发明提出的网络架构及分割方法实现了分割精度和实施效率之间的最佳平衡，成为解决实时图像语义分割任务的一种有效方法。
-
公开(公告)号：CN110188768B
公开(公告)日：2022-10-14
申请号：CN201910384869.3
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统，所述方法包括：编码器基于分解卷积操作和并行分解卷积操作提取输入图像的图像特征，得到低分辨率的深层语义特征图并输出至解码器；所述解码器基于分解卷积操作和并行分解卷积操作对所述低分辨率的深层语义特征图进行细节精调，并将细节精调后的低分辨率的深层语义特征图上采样到所述输入图像大小，恢复输入图像的空间信息并向分割类别映射，最终生成与输入图像具有相同分辨率的语义分割结果图。上述的方案，可以在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
公开(公告)号：CN111626300A
公开(公告)日：2020-09-04
申请号：CN202010375529.7
申请日：2020-05-07
Applicant: 南京邮电大学
Abstract: 本申请公开了一种基于上下文感知的图像语义分割模型，包括：编码骨干网、解码器；编码骨干网和解码器之间连接有稠密注意力上下文网络；稠密注意力上下文网络包括分级细化残差模块、联合通道注意力模块、堆叠模块和注意力增强的空间金字塔模块。本申请还公开了上述模型的建模方法。本申请的图像语义分割模型中的稠密注意力上下文网络采用分级细化残差模块HRRB、联合通道注意力模块JCA和注意力增强的空间金字塔模块APSM的结合充分提取并融合来自不同骨干层的信息，得到高分辨率的特征图，为后续的解码端提供感受野丰富的信息，增强图像语义分割的精度。
-
公开(公告)号：CN110084274A
公开(公告)日：2019-08-02
申请号：CN201910247530.9
申请日：2019-03-29
Applicant: 南京邮电大学
Abstract: 一种实时图像语义分割方法及系统、可读存储介质和终端，所述方法包括：编码器对输入的原始特征图像利用基于特征通道的拆分和重排的卷积单元进行卷积操作以提取图像特征并输出至解码器；所述解码器采用注意力金字塔网络模型对所述编码器的输出特征图像进行密集的特征提取，并将所提取的特征向分割类别进行映射，最后将分割结果上采样到输入的原始特征图像分辨率。上述的方案，在使用有限的计算资源进行实时图像语义分割时，提高分割的准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.047 seconds)
