CN115661463B 一种基于尺度感知注意力的半监督语义分割方法 （南开大学）_第1页
CN115661463B 一种基于尺度感知注意力的半监督语义分割方法 （南开大学）_第2页
CN115661463B 一种基于尺度感知注意力的半监督语义分割方法 （南开大学）_第3页
CN115661463B 一种基于尺度感知注意力的半监督语义分割方法 （南开大学）_第4页
CN115661463B 一种基于尺度感知注意力的半监督语义分割方法 （南开大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于尺度感知注意力的半监督语义分本发明提供了一种基于尺度感知注意力的训练集中每张图像的尺度重要性以及目标分割无像素级标签的图像进一步提高多尺度目标语2所述尺度注意力模块包含一条空间路径和一条通道路径，对输入的步骤3：利用步骤2的训练好的所述尺度感知注意力网步骤4：将预处理的无像素级标签数据输入步利用可靠的伪标签图像集扩充训练集，并重新训练步骤2的训练好的尺度感知注意力步骤7：利用可靠的伪标签数据集再次扩充训练集，骤2中，所述多尺度特征连接模块将来自解码器不同层级的特征视为多个尺度的特征并进来自不同尺度的特征在空间和通道两个维度上3;;;;;;。;4;5[0003]FCN最早成功将深度学习的方法应用于语义分割任务中，这种全卷积网络结构为在U_Net中还引入了跳跃连接以对相同分辨率的特征图进行融合，这样逐层多次融合的方[0006]本发明针对现有技术中存在的尺度不一致问题和像素级标注图片不足的技术问不同尺度特征的权重，并利用无像素级标签的图像进一步提高多尺度目标语义分割的效6[0011]步骤4：将预处理的无像素级标签数据输入步骤2的训练好的尺度感知注意力网[0014]利用可靠的伪标签图像集扩充训练集，并重新训练步骤2的训练好的尺度感知注[0015]不可靠的伪标签图像集输入重新训练的尺度感知注意力网络，生成对应的伪标[0018]进一步的，在步骤2中，所述编码器一解码器结构的编码器部分采用骨干网络相应倍数的上采样以对来自不同尺度的特征在空间和通道两个78[0053]3.本发明在多个语义分割测试集上均取得了良好的性能提升，具有良好的普适[0059]本发明的实施例提供了一种基于尺度感知注意力的半监督语义分割方法，如图19[0063]所述编码器_解码器结构的编码器部分采用具有更好特征学习能力的骨干网络[0064]将来自解码器不同层级的特征视为多个尺度的特征，在的特征在空间和通道两个维度上进行对齐的模型在均方误差损失函数的指导下输出得到标签的片输入训练好的尺度感知注意力网络Netf进行训练得到重新训练好的尺度感知注意力网[0098]不可靠的伪标签图像集中的图片输入重新训练好的尺度感知注意力网络[0107]采用现有的先进方法，包括VRT、iFLYTEK_MIG、U_Net、U_Net++、DeepLabv3+、

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论