基于反卷积神经网络的场景语义分割方法

• 摘要：

  本发明公开了基于反卷积神经网络的场景语义分割方法,所述方法包括下述步骤:步骤S1,对场景图片用全卷积神经网络提取密集特征表达;步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样学习以及物体边沿优化,得到所述图片的分数图,从而实现精细的场景语义分割.通过局部敏感的反卷积神经网络,利用局部底层信息来加强全卷积神经网络对局部边沿的敏感性,从而得到更高精度的场景分割.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610947960.8

• 申请日期：

  2016.10.26

• 公开/公告号：

  CN107066916A

• 公开/公告日：

  2017-08-18

• 发明人：

  黄凯奇 赵鑫 程衍华

• 申请人：

  中国科学院自动化研究所

• 主分类号：

  G06K9/00(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/00(2006.01)I,G06K9/46(2006.01)I,G,G06,G06K,G06K9,G06K9/00,G06K9/46

• 主权项：

  一种基于反卷积神经网络的场景语义分割方法,其特征在于,所述方法包括下述步骤:步骤S1,对场景图片用全卷积神经网络提取密集特征表达;步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样和优化,得到所述图片的分数图,从而实现精细的场景语义分割.