-
公开(公告)号：CN108921196A
公开(公告)日：2018-11-30
申请号：CN201810558048.2
申请日：2018-06-01
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于改进全卷积神经网络的语义分割方法，包括步骤：获取训练图像数据；将训练图像数据输入多孔全卷积神经网络，先通过标准卷积池化层得到尺寸缩小的特征图；再通过多孔卷积层在维持特征图尺寸的同时提取更稠密的特征；最后对特征图进行逐像素预测得到分割结果；且训练中利用随机梯度下降法SGD对多孔全卷积神经网络中的参数进行训练；获取需要语义分割的图像输入训练后的多孔全卷积神经网络，得到对应的语义分割结果。本发明可以改善全卷积网络中最终上采样恢复的特征图失去对图像的细节敏感性的问题，同时在不增加参数数量以及计算量的前提下，有效地扩大了滤波器的感受野。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
