一种基于条带池化的图像语义分割方法

    公开(公告)号:CN113689434B

    公开(公告)日:2022-05-27

    申请号:CN202110796736.4

    申请日:2021-07-14

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于条带池化的图像语义分割方法,包括:提取图像分割训练数据集的图像特征;将图像特征输入深度空洞卷积模块,通过紧缩激励模块压缩得到紧密特征图和底层特征图;将紧密特征图进行金字塔编码得到五个特征图,并对其分别解码,并与底层特征图进行融合,拼接为融合特征图;将底层特征图条带池化编码,提取高级特征后,解码得到池化后的特征图;将池化后的特征图和融合特征图进行加法融合,再经降噪解码后得到图像分割输出;输入数据集进行训练保存为SD‑NET模型,将图片输入到SD‑NET模型得到分割结果。本发明利用条带池化提取底层特征,结合紧缩激励层和非局部层进一步去除图像噪声,在图像上采样时进一步融合。

    一种基于条带池化的图像语义分割方法

    公开(公告)号:CN113689434A

    公开(公告)日:2021-11-23

    申请号:CN202110796736.4

    申请日:2021-07-14

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于条带池化的图像语义分割方法,包括:提取图像分割训练数据集的图像特征;将图像特征输入深度空洞卷积模块,通过紧缩激励模块压缩得到紧密特征图和底层特征图;将紧密特征图进行金字塔编码得到五个特征图,并对其分别解码,并与底层特征图进行融合,拼接为融合特征图;将底层特征图条带池化编码,提取高级特征后,解码得到池化后的特征图;将池化后的特征图和融合特征图进行加法融合,再经降噪解码后得到图像分割输出;输入数据集进行训练保存为SD‑NET模型,将图片输入到SD‑NET模型得到分割结果。本发明利用条带池化提取底层特征,结合紧缩激励层和非局部层进一步去除图像噪声,在图像上采样时进一步融合。