公开(公告)号：CN112241959A

公开(公告)日：2021-01-19

申请号：CN202011011881.9

申请日：2020-09-23

申请人： 天津大学

发明人： 李亮 ,  李亚军 ,  王凯 ,  彭俊杰

IPC分类号： G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明本发明涉及深度学习技术、语义分割，为提出低运算成本的生成语义分割方法。并解决网路计算量过大的问题，本发明采取的技术方案是，基于超像素的注意力机制生成语义分割方法，由原来的每个像素与其他所有的像素之间计算相似度，转变为每个像素与其他所有的超像素之间计算相似度；通过空间注意力编码和通道注意力机制编码，将两种编码结果融合最终生成语义分割。本发明主要应用于语义分割场合。

公开(公告)号：CN111915629A

公开(公告)日：2020-11-10

申请号：CN202010641910.3

申请日：2020-07-06

申请人： 天津大学

发明人： 李亮 ,  彭俊杰 ,  李亚军 ,  王凯

IPC分类号： G06T7/12 ,  G06T7/13 ,  G06N3/04

摘要： 本发明属于计算机视觉、计算机图像处理和深度学习等计算机领域，为提出基于图像边界检测和可微聚类算法来获取超像素的方法来解决现有技术问题，从而获得更好的超像素分割效果。为此，本发明，基于边界检测的超像素分割方法，步骤如下：步骤1：准备图像数据集；步骤2：提取像素特征图(pixel feature map)Fpixel及物体边界图E；步骤3：采用可微的聚类算法产生最终的超像素；步骤4：设定损失函数，使用损失函数来衡量获取的边界图，超像素与数据集中标注数据的差异；步骤5：运用反向传播算法更新模型参数，并用最终参数获取超像素分割图像。本发明主要应用于超像素分割方面的应用场合。

公开(公告)号：CN111915629B

公开(公告)日：2023-11-21

申请号：CN202010641910.3

申请日：2020-07-06

申请人： 天津大学

发明人： 李亮 ,  彭俊杰 ,  李亚军 ,  王凯

IPC分类号： G06T7/12 ,  G06T7/13 ,  G06N3/0464 ,  G06N3/084

公开(公告)号：CN112241965A

公开(公告)日：2021-01-19

申请号：CN202011011878.7

申请日：2020-09-23

申请人： 天津大学

发明人： 李亮 ,  王凯 ,  李亚军 ,  彭俊杰

IPC分类号： G06T7/136 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于图像处理、深度学习技术领域，为提出一种通过深度学习可以同时产生超像素和图像分割的端到端的方法，将彩色图片通过特征提取、特征聚类、池化、合并操作，从而实现多任务学习，得到超像素和图像分割结果，本发是，基于深度学习进行超像素生成和图像分割的方法，步骤如下：步骤1：特征提取：步骤2：超像素生成：超像素使用聚类算法模块来完成，可微的聚类算法分为两步：计算像素‑超像素关联、更新超像素聚类中心，通过聚类迭代，得到超像素；步骤3：相似度学习：步骤4：超像素合并：最终得到分割好的图像。本发明主要应用于图像处理场合。