-
公开(公告)号:CN117475146A
公开(公告)日:2024-01-30
申请号:CN202311378288.1
申请日:2023-10-23
Applicant: 复旦大学
IPC: G06V10/26 , G06V10/762 , G06V20/58 , G06V20/56
Abstract: 本发明涉及一种基于子类分布重加权的语义分割方法、装置及介质,其中方法,包括以下步骤:将待分割图像输入分割网络模型,获得用于分类的特征图;根据特征图进行子类聚类;根据子类聚类结果,统计子类在整幅图像中的分布情况;根据子类分布情况计算每个子类的权重;将计算得到的权重作用于所有属于该子类的像素上,计算重加权后的最终损失函数,并根据最终损失函数计算权重梯度,更新分割网络模型。与现有技术相比,本发明具有可以平衡类别不平衡和像素不平衡问题、适用性好等优点。
-
公开(公告)号:CN118131210A
公开(公告)日:2024-06-04
申请号:CN202410172949.3
申请日:2024-02-07
Applicant: 复旦大学
Abstract: 本发明公开了一种基于光滑形变的雷达点云增强方法,包括步骤S1:根据标注信息将雷达点云分为实例部分和场景部分;步骤S2:将步骤S1中分离出来的实例送入光滑形变实例增强模块,得到增强后的实例,一个实例可被增强多次;步骤S3:根据标注信息将路面提取出来,然后送入位置先验采样模块得到实例出现在路面上的位置;步骤S4:根据步骤S3得到的位置将步骤S2中增强后的实例粘贴到路面上;步骤S5:将步骤S4中得到的粘贴实例后的场景送入场景增强模块,进行对整个场景全局的增强操作;步骤S6:将步骤S5中得到的最终的增强结果送入语义分割模型进行训练,最终得到性能更加优异、泛化性更好的模型。
-