公开(公告)号：CN116091524B

公开(公告)日：2023-06-13

申请号：CN202310364445.7

申请日：2023-04-07

Applicant: 杭州电子科技大学

Inventor： 王涛 ,  王坚 ,  王丽 ,  吴旭光

IPC: G06T7/11 ,  G06T7/194 ,  G06V10/80 ,  G06V10/40

Abstract: 本发明公开了一种针对复杂背景中目标的检测与分割方法，包括如下步骤：S1、制作训练集与测试集；S2、构建检测分割初始模型；S3、输入数据集通过编码器提取特征信息；S4、输入提取的特征信息由双线性插值上采样和拼接组成的网络通过自上向下的解码方式生成预测特征；S5、输入提取的特征信息通过倒三角解码器生成预测特征；S6、将预测特征和预测特征通过特征交叉融合网络生成最终预测图；S7、输入数据集训练检测分割初始模型，得到检测分割最终模型，该方法主要由编码器、双线性插值上采样、拼接、倒三角解码器和特征交叉融合网络组成，通过对神经网络进行训练，得到最优参数，实现对目标的自动检测与分割。

公开(公告)号：CN116091524A

公开(公告)日：2023-05-09

申请号：CN202310364445.7

申请日：2023-04-07

Applicant: 杭州电子科技大学

Inventor： 王涛 ,  王坚 ,  王丽 ,  吴旭光

IPC: G06T7/11 ,  G06T7/194 ,  G06V10/80 ,  G06V10/40

Abstract: 本发明公开了一种针对复杂背景中目标的检测与分割方法，包括如下步骤：S1、制作训练集与测试集；S2、构建检测分割初始模型；S3、输入数据集通过编码器提取特征信息；S4、输入提取的特征信息由双线性插值上采样和拼接组成的网络通过自上向下的解码方式生成预测特征；S5、输入提取的特征信息通过倒三角解码器生成预测特征；S6、将预测特征和预测特征通过特征交叉融合网络生成最终预测图；S7、输入数据集训练检测分割初始模型，得到检测分割最终模型，该方法主要由编码器、双线性插值上采样、拼接、倒三角解码器和特征交叉融合网络组成，通过对神经网络进行训练，得到最优参数，实现对目标的自动检测与分割。