CN119516200A 基于图形匹配策略的可解释图像分割方法 （浙大城市学院）_第1页
CN119516200A 基于图形匹配策略的可解释图像分割方法 （浙大城市学院）_第2页
CN119516200A 基于图形匹配策略的可解释图像分割方法 （浙大城市学院）_第3页
CN119516200A 基于图形匹配策略的可解释图像分割方法 （浙大城市学院）_第4页
CN119516200A 基于图形匹配策略的可解释图像分割方法 （浙大城市学院）_第5页
已阅读5页，还剩15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

本发明涉及基于图形匹配策略的可解释图骨干网络对输入图像提取具有语义信息的视觉间位置建立特征单元级语义成分关系图与整体成分关系图和类别级语义成分关系图之间的相2S3、根据所述具有语义信息的视觉单词，逐空间位S4、测量特征单元级语义成分关系图和类别级语义给定预训练主干和输入图像，获取中间特征，将中间特征离散S301、对于离散化后的特征成分序列，以其4.根据权利要求3所述的基于图形匹配策略的可解释图像分割方法，其特征在于，S45.根据权利要求4所述的基于图形匹配策略的可解释图像分割方法，其特征在于，S46.根据权利要求5所述的基于图形匹配策略的可解释图像分割方法，其特征在于，S17.基于图形匹配策略的可解释图像分割系统，其建立模块，用于根据所述具有语义信息的视觉单词，逐空间位置建预测模块，用于测量特征单元级语义成分关系图和类别级语义34提取模块，用于通过图像分割骨干网络对输入图像提取具有语义信息的视觉单51.本发明通过实例级别图与类别级别图之间的交互匹配过程，将深度神经网络[0018]2.本发明通过将图像分割问题转化为种基于图形匹配策略的可解释图像分割方法。该方法的核心思想是将DNN推理转化为实例多尺度处理和条件随机场等技术来高效地将图像中的每个像素分割为不同语义类别的部6对应每个像素点为中心逐空间位置建立特征单元级语义成中心逐空间位置建立HXW个5顶点的单元级成分关系图G=(E,V),其中顶点集,为中心像素分别为中心像素上下左右像素，边7分关系图谱中找到最相似的类别级语义成分关系图，最终逐像素得到图像的图像分割结[0044]为了将成分关系图s馈送到GCN模块，每个成分meM(即图顶点)都会分配一个立地从多元高斯分布(0,a)中抽取的。[0045]在GCN模块中，本发明采用了Graphconv，并对加权边进行了轻微修改：设reAlvIxdc是Graphconv层所有顶点的输入特征，其输出计算为：习投影矩阵。在通过Graphconv的全部LC层之后，加权平均池化层将顶点嵌入pcc)，并的嵌入向量的第i个Graphconv层的输出，表示v的权重。v的原始顶点嵌入定义为8[0051]在推断阶段，本发明使用双线性插值结合输入图像大小[0056]成分关系图谱中的每个图都被初始化为具有随机顶点和边权重的全连通图。然[0058]本发明在PascalVOC2012数据集的验证集上实现了74.5%的平均交互比，与9提取模块，用于通过图像分割骨干网络对输入图像提取具有语义信息的视觉单

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