专利名称: |
一种基于编解码器技术的城市道路语义分割方法及系统 |
摘要: |
本公开提供了一种基于编解码器技术的城市道路语义分割方法及系统,引入了深度空间分割网络,深度空间分割网络综合了编解码器和双路径的优势,并设计了新的结构,同时通过改进池化层增强了语义信息提取模块。在提高检测速度的同时,相较于大型网络,显著减少了参数量,但保持了与大型网络不相上下的检测精度。 |
专利类型: |
发明专利 |
国家地区组织代码: |
山东;37 |
申请人: |
齐鲁工业大学(山东省科学院) |
发明人: |
鲁芹;王亚伦 |
专利状态: |
有效 |
申请日期: |
2023-08-25T00:00:00+0800 |
发布日期: |
2023-11-24T00:00:00+0800 |
申请号: |
CN202311086745.X |
公开号: |
CN117115650A |
代理机构: |
济南圣达知识产权代理有限公司 |
代理人: |
董雪 |
分类号: |
G06V20/10;G06V10/44;G06V10/86;G06V10/26;G06N3/0464;G;G06;G06V;G06N;G06V20;G06V10;G06N3;G06V20/10;G06V10/44;G06V10/86;G06V10/26;G06N3/0464 |
申请人地址: |
250353 山东省济南市长清区大学路3501号 |
主权项: |
1.一种基于编解码器技术的城市道路语义分割方法,其特征是,包括: 获取道路图像数据作为原始数据,并对原始数据进行预处理,将处理后的道路图像数据输入预先训练好的深度空间分割网络;所述深度空间分割网络包括编码器模块、语义信息提取模块、解码器模块和决策模块; 基于编码器模块提取图像的空间信息和语义信息后得到图像特征图,将图像特征图输入至语义信息提取模块进行语义信息提取优化; 基于解码器模块将图像特征图与增强优化后的图像特征图融合,输入至决策模块得到图像的分类类别。 2.如权利要求1所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,所述编码器模块具体由残差网络的残差块和卷积神经网络的重参数化卷积块组成。 3.如权利要求2所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,基于编码器模块提取图像的空间信息和语义信息后得到图像特征图具体为: 利用所述残差块提取图像的空间信息,利用重参数化卷积块采用快速下采样提取图像的语义信息。 4.如权利要求1所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,所述语义信息提取模块具体为双重非对称金字塔池化模块,将非对称池化层和非对称卷积层结合,一重为非对称池化层,一重为非对称卷积层,并使用双向注意力提取信息细节。 5.如权利要求4所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,将图像特征图输入至语义信息提取模块进行语义信息提取优化具体为: 第三图像特征图输入至语义信息提取模块,所述第三图像特征图经非对称池化层、非对称卷积层分别多次提取特征,经连接操作合并为图像特征图,与另一卷积层提取的图像特征图共同输入至双向注意力模块并输出。 6.如权利要求1所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,所述解码器模块包括第一解码器和第二解码器。 7.如权利要求6所述的一种基于编解码器技术的城市道路语义分割方法,其特征是,基于解码器模块将图像特征图与增强优化后的图像特征图融合,输入至决策模块得到图像的分类类别具体为: 第一解码器接收语义信息提取模块输出的图像特征图和第二图像特征图,将两种图像特征图进行融合并使用卷积强化特征; 第二解码器接收第一解码器输出的融合特征图,并将其与第一图像特征图融合,输出融合特征图; 将第二解码器输出的融合特征图输入至决策模块得到图像的分类类别。 8.一种基于编解码器技术的城市道路语义分割系统,其特征是,包括: 获取模块:获取道路图像数据作为原始数据,并对原始数据进行预处理,将处理后的道路图像数据输入预先训练好的深度空间分割网络;所述深度空间分割网络包括编码器模块、语义信息提取模块、解码器模块和决策模块; 编码模块:基于编码器模块提取图像的空间信息和语义信息后得到图像特征图,将图像特征图输入至语义信息提取模块进行语义信息提取优化; 解码模块:基于解码器模块将图像特征图与增强优化后的图像特征图融合,输入至决策模块得到图像的分类类别。 9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。 10.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。 |
所属类别: |
发明专利 |