-
公开(公告)号：CN110634142B
公开(公告)日：2024-02-02
申请号：CN201910767799.X
申请日：2019-08-20
Applicant: 长安大学
Abstract: 本发明提出了一种复杂车路图像边界优化方法，实现了复杂车路环境下图像目标的分类。首先通过SegNet算法模型进行大量数据的训练仿真得到粗糙的车路目标分类特征，然后利用简单线性迭代聚类算法获得图像的过分割区域，结合SegNet算法得到的神经网络确定每个超像素区域中每个像素的类别，最后通过利用条件随机场精确的边界恢复能力来优化语义分割的结果，实现对车路图像进行边界和小区域目标误分割优化。结果表明，本发明的方法可以提高对象边界的分割精度。
-
公开(公告)号：CN112580424B
公开(公告)日：2023-08-11
申请号：CN202011057118.X
申请日：2020-09-29
Applicant: 长安大学
IPC: G06V20/56 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种针对复杂车路环境的偏振特征多尺度池化分类算法，实现了复杂车路环境下图像目标的分类。首先对车路环境介质状况进行分析，探索复杂车路环境下高质量的成像方式；其次基于模拟实验结果，设计偏振成像方案，并组装标定三通道成像系统；最后提出多尺度池化的深度语义识别算法，实现车路环境目标的识别分类。实验结果表明，本发明可以有效提高复杂场景的语义分类识别效果，为复杂车路环境下车辆的安全辅助驾驶行驶视觉感知提供可靠的技术保障。
-
公开(公告)号：CN112580424A
公开(公告)日：2021-03-30
申请号：CN202011057118.X
申请日：2020-09-29
Applicant: 长安大学
Abstract: 本发明提出了一种针对复杂车路环境的偏振特征多尺度池化分类算法，实现了复杂车路环境下图像目标的分类。首先对车路环境介质状况进行分析，探索复杂车路环境下高质量的成像方式；其次基于模拟实验结果，设计偏振成像方案，并组装标定三通道成像系统；最后提出多尺度池化的深度语义识别算法，实现车路环境目标的识别分类。实验结果表明，本发明可以有效提高复杂场景的语义分类识别效果，为复杂车路环境下车辆的安全辅助驾驶行驶视觉感知提供可靠的技术保障。
-
公开(公告)号：CN110634142A
公开(公告)日：2019-12-31
申请号：CN201910767799.X
申请日：2019-08-20
Applicant: 长安大学
Abstract: 本发明提出了一种复杂车路图像边界优化方法，实现了复杂车路环境下图像目标的分类。首先通过SegNet算法模型进行大量数据的训练仿真得到粗糙的车路目标分类特征，然后利用简单线性迭代聚类算法获得图像的过分割区域，结合SegNet算法得到的神经网络确定每个超像素区域中每个像素的类别，最后通过利用条件随机场精确的边界恢复能力来优化语义分割的结果，实现对车路图像进行边界和小区域目标误分割优化。结果表明，本发明的方法可以提高对象边界的分割精度。
-
-
-
Search Results
4
records
(took 0.029 seconds)
