公开(公告)号：CN112085738A

公开(公告)日：2020-12-15

申请号：CN202010816515.4

申请日：2020-08-14

Applicant: 南京邮电大学

Inventor： 刘天亮 ,  魏彪

IPC: G06T7/11 ,  G06T7/136 ,  G06T7/90 ,  G06N3/08 ,  G06N3/04 ,  G06K9/34

Abstract: 本发明公开了一种基于生成对抗网络的图像分割方法，首先，构建以VGG为原型的深度残差网络，作为基本的图像语义分割网络，以步长为2的卷积层执行下采样，网络以平均池化和具有Softmax的1000路全连接层结束，加重层数量为101，由预测层输出预测类别；然后，构建生成器，采用4层卷积和4层反卷积结构，以预测层输出和原始图像作为输入，产生对应于原始图像的重建图像；最后，构建判别器，采用4卷积层，除最后一层均使用ReLU作为激活函数，以原始图像和生成器输出的重建图像作为输入。本发明在能获取更高级别的特征同时又避免计算量过大；将基本分割网络产生的分割损失纳入生成对抗网络总损失函数使得模型参数的学习更加准确，分割结果更加精细。

公开(公告)号：CN112085738B

公开(公告)日：2022-08-26

申请号：CN202010816515.4

申请日：2020-08-14

Applicant: 南京邮电大学

Inventor： 刘天亮 ,  魏彪

IPC: G06T7/11 ,  G06T7/136 ,  G06T7/90 ,  G06N3/08 ,  G06N3/04 ,  G06V10/82 ,  G06V10/26

Abstract: 本发明公开了一种基于生成对抗网络的图像分割方法，首先，构建以VGG为原型的深度残差网络，作为基本的图像语义分割网络，以步长为2的卷积层执行下采样，网络以平均池化和具有Softmax的1000路全连接层结束，加重层数量为101，由预测层输出预测类别；然后，构建生成器，采用4层卷积和4层反卷积结构，以预测层输出和原始图像作为输入，产生对应于原始图像的重建图像；最后，构建判别器，采用4卷积层，除最后一层均使用ReLU作为激活函数，以原始图像和生成器输出的重建图像作为输入。本发明在能获取更高级别的特征同时又避免计算量过大；将基本分割网络产生的分割损失纳入生成对抗网络总损失函数使得模型参数的学习更加准确，分割结果更加精细。