公开(公告)号：CN111523546A

公开(公告)日：2020-08-11

申请号：CN202010297870.5

申请日：2020-04-16

Applicant: 湖南大学

Inventor： 张大方 ,  范海博 ,  刁祖龙

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T7/10 ,  G06T5/50

Abstract: 本发明公开了一种图像语义分割方法、系统及计算机存储介质，对输入图像进行预处理；使用卷积神经网络捕捉通用特征，并在其适当位置分别嵌入空间CNN和注意力模型；利用SCNN算法对所述的通用特征进行挖掘，获得深层次特征信息；通过注意力模型对得到的通用特征以及深层特征进行多尺度特征信息的提取；融合网络将SCNN算法与注意力模型得到的结果进行融合，生成最终预测的语义分割结果。该方法用于解决现有技术中存在的图像分辨率降低、难以正确识别和分割多尺度对象的问题，有利于提高语义分割网络的精确性。

公开(公告)号：CN111523546B

公开(公告)日：2023-06-16

申请号：CN202010297870.5

申请日：2020-04-16

Applicant: 湖南大学

Inventor： 张大方 ,  范海博 ,  刁祖龙

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06T3/40 ,  G06T7/10 ,  G06T5/50

Abstract: 本发明公开了一种图像语义分割方法、系统及计算机存储介质，对输入图像进行预处理；使用卷积神经网络捕捉通用特征，并在其适当位置分别嵌入空间CNN和注意力模型；利用SCNN算法对所述的通用特征进行挖掘，获得深层次特征信息；通过注意力模型对得到的通用特征以及深层特征进行多尺度特征信息的提取；融合网络将SCNN算法与注意力模型得到的结果进行融合，生成最终预测的语义分割结果。该方法用于解决现有技术中存在的图像分辨率降低、难以正确识别和分割多尺度对象的问题，有利于提高语义分割网络的精确性。