WO2018076212A1 - 基于反卷积神经网络的场景语义分割方法 - Google Patents
基于反卷积神经网络的场景语义分割方法 Download PDFInfo
- Publication number
- WO2018076212A1 WO2018076212A1 PCT/CN2016/103425 CN2016103425W WO2018076212A1 WO 2018076212 A1 WO2018076212 A1 WO 2018076212A1 CN 2016103425 W CN2016103425 W CN 2016103425W WO 2018076212 A1 WO2018076212 A1 WO 2018076212A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- layer
- neural network
- picture
- scene
- semantic segmentation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Definitions
- the invention relates to the field of pattern recognition, machine learning and computer vision, in particular to a scene semantic segmentation method based on deconvolution neural network.
- Scene semantic segmentation is the use of computer to intelligently analyze images, and then determine the object categories to which each pixel in the image belongs, such as floors, walls, people, chairs, and so on.
- the traditional scene semantic segmentation algorithm generally only relies on RGB (red, green and blue) to segment, which is easy to be affected by light changes, object color changes and background noise. It is not robust in practical use, and the accuracy is difficult. User needs.
- the present invention is directed to the above problems existing in the prior art, and proposes a method based on deconvolution.
- Neural network scene semantic segmentation method to improve the accuracy of scene semantic segmentation.
- the scene semantic segmentation method based on deconvolution neural network of the present invention comprises the following steps:
- Step S1 extracting a dense feature expression by using a full convolutional neural network for the scene picture
- Step S2 using a locally sensitive deconvolution neural network and using the local affinity matrix of the picture, upsampling and optimizing the dense feature expression obtained in step S1 to obtain a score map of the picture, thereby achieving fine Semantic segmentation of the scene.
- the local affinity matrix is obtained by extracting a SIFT (Scale-invariant feature transform) feature of the picture, and SPIN (Using Spin Images for Efficient Object Recognition in Cluttered 3D Scenes: in a complex three-dimensional scene)
- SIFT Scale-invariant feature transform
- SPIN Spin Images for Efficient Object Recognition in Cluttered 3D Scenes: in a complex three-dimensional scene
- the feature of the effective target recognition using the rotated image and the gradient feature are then obtained by using the ucm-gPb (Contour Detection and Hierarchical Image Segmentation) algorithm.
- the locally sensitive deconvolution neural network is formed by multiple splicing of three modules, which are a locally sensitive anti-aggregation layer, a deconvolution layer, and a locally sensitive mean aggregation layer.
- the number of stitching is 2 or 3 times.
- the output of the locally sensitive anti-aggregation layer is obtained by the following formula:
- x represents the eigenvector of a pixel in the feature map
- (i, j) and (o, o) represent arbitrary positions and center positions in the affinity matrix, respectively
- Y ⁇ Y i, j ⁇ is a feature map of the inverse aggregate output.
- the scene picture includes an RGB picture and a depth picture
- the method further includes step S3: optimizing the RGB score map and the depth score map through the switch gate fusion layer, thereby Achieve more detailed scene semantic segmentation.
- the switch gate fusion layer includes a splicing layer, a convolution layer, and a normalization layer.
- the convolution layer is implemented by the following function: Where P rgb ⁇ ⁇ c ⁇ h ⁇ w is a score map based on RGB data prediction, P depth ⁇ ⁇ c ⁇ h ⁇ w is a score map based on depth data prediction, and W ⁇ R c ⁇ 2c ⁇ 1 ⁇ 1 is a switch gate
- the filter of the fusion layer learning, C ⁇ R c ⁇ h ⁇ w is the contribution coefficient matrix of the convolution output.
- the normalized layer is implemented by a sigmoid function (a function of S type, also referred to as an S-type growth curve).
- the locally sensitive deconvolution neural network is used to strengthen the sensitivity of the full convolutional neural network to the local edges by using the local underlying information, thereby obtaining a more accurate scene segmentation, which can effectively overcome the full convolutional neural network.
- the inherent defect is that a large amount of context information is aggregated to perform scene segmentation, causing blurring effects of edges.
- the switch gate fusion layer by designing the switch gate fusion layer, the different functions of RGB and depth modes in different objects in different scenes can be effectively and automatically learned.
- This dynamic adaptive contribution coefficient is superior to the non-discriminatory treatment method used by traditional algorithms, which can further improve the scene segmentation accuracy.
- Figure 1 is a flow chart of one embodiment of the method of the present invention.
- FIG. 2 is a schematic diagram of a full convolutional neural network for dense feature extraction in the present invention
- 3a is a schematic diagram of a local sensitive deconvolution neural network according to an embodiment of the present invention.
- Figure 3b is a schematic diagram of a locally sensitive anti-aggregation layer and a locally sensitive mean aggregation layer in accordance with one embodiment of the present invention
- FIG. 4 is a switch door fusion layer in accordance with an embodiment of the present invention.
- a deconvolution neural network based scene semantic segmentation method includes the following steps:
- Step S1 extracting low-resolution dense feature expressions from the full-convolution neural network for the scene picture
- Step S2 using a locally sensitive deconvolution neural network and using the local affinity matrix of the picture, upsampling and optimizing the dense feature expression obtained in step S1 to obtain a score map of the picture, thereby achieving fine Semantic segmentation of the scene.
- the present invention employs a full convolutional neural network to efficiently extract dense features of a picture, which may be RGB pictures, and/or depth pictures.
- a full convolutional neural network can be aggregated through multiple convolution, downsampling, and maximum aggregation processes.
- the context information is used to characterize each pixel in the picture to obtain an RGB feature map S1 and/or a depth feature map S1.
- the full convolutional neural network yields a low resolution feature map with very blurred edges.
- the present invention embeds the underlying pixel level information into the deconvolution neural network to guide the training of the network.
- the locally sensitive deconvolution neural network is used to perform upsampling learning and object edge optimization to obtain RGB fractional graph S2 and/or depth fractional graph S2, thereby achieving finer scene semantic segmentation.
- step S2 the similarity relationship between each pixel in the picture and the neighboring pixels is first calculated, and a binarized local affinity matrix is obtained.
- SIFT, SPIN and gradient features of RGB and depth pictures can be extracted, and the local affinity matrix is obtained by using the ucm-gPb algorithm.
- the network structure can include three modules: a locally sensitive anti-aggregation layer, a deconvolution layer, and a locally sensitive average pooling.
- the input of the locally sensitive anti-aggregation layer is the feature map response of the previous layer, and the local affinity matrix, the output is a feature map response of twice the resolution.
- the main function of the network layer is to learn to restore the richer details in the original picture and get the result of clearer segmentation of the edges of the object.
- the output of the locally sensitive anti-aggregation layer can be obtained by the following formula:
- x represents the eigenvector of a pixel in the feature map
- the input of the deconvolution layer is the output of the upper layer of the anti-aggregation layer, and the output is the signature response of the equal resolution.
- the network layer is mainly used to smooth the feature map, because the anti-aggregation layer is prone to generate many broken object edges, and the deconvolution process can be used to learn to splicing the edges of the breaks.
- Deconvolution uses the inverse of convolution, mapping each stimulus response value to multiple stimulus response outputs. The response graph after deconvolution will become relatively smoother.
- the input of the locally sensitive mean gather layer is the output of the upper deconvolution layer, and the local affinity matrix, and the output is an equal resolution feature map response.
- the network layer is mainly used to obtain a more robust feature representation for each pixel while maintaining sensitivity to the edges of the object.
- the invention combines the locally sensitive anti-aggregation layer, the deconvolution layer and the locally sensitive mean aggregation layer multiple times, gradually upsampling and optimizing the detailed information of the scene segmentation, and obtaining a finer and more accurate scene segmentation effect.
- the number of stitching is 2 or 3 times. The more the number of stitching, the finer and more accurate the segmentation is, but the larger the amount of calculation.
- RGB color information and depth information describe information about different modalities of objects in the scene.
- RGB images can describe the appearance, color, and texture features of an object
- depth data provides spatial geometry, shape, and size information of an object. Effectively blending these two complementary information can improve the accuracy of scene semantic segmentation.
- the existing methods basically treat the data of the two modes equivalently, and cannot distinguish the different contributions of the two modes when identifying different objects in different scenes.
- the RGB fractional map and the depth fraction map obtained by the above steps S1 and S2 are optimally fused by gate fusion to obtain a fusion score map, thereby realizing More detailed scene semantic segmentation, as shown in Figure 4.
- the switch gate fusion layer can effectively measure the importance of RGB (apparent) and depth (shape) information for identifying different objects in different scenes.
- the switch gate fusion layer of the present invention is mainly composed of a stitching layer, a convolution layer and a normalized layer, which can automatically learn the weights of the two modes, thereby better integrating the two modes.
- Complementary information is used in scene semantic segmentation.
- the features obtained by the RGB and deep networks are first spliced through the splicing layer.
- the second is the convolution operation, which learns the weight matrix of RGB and depth information through convolutional layer learning.
- the convolution process can be implemented as follows:
- P rgb ⁇ ⁇ c ⁇ h ⁇ w (characteristic map of c channels, each feature map height h, width w) is a fractional graph predicted based on RGB data
- P depth ⁇ ⁇ c ⁇ h ⁇ w (parameter meanings as defined above) as a fraction of depth based on the prediction data
- W ⁇ R c ⁇ 2c ⁇ 1 ⁇ 1 (c th sub-filter, filtering each of the sub-three-dimensional matrix 2c ⁇ 1 ⁇ 1) of the learning filter layer is fusion door
- C ⁇ R c ⁇ h ⁇ w is the contribution coefficient matrix of the convolution output.
- ⁇ is a matrix point multiplication operation. Adding the RGB and depth scores as the final blend score is Based on the final score map, the semantic segmentation results can be obtained.
- the new local sensitivity-based deconvolution neural network proposed by the present invention can be used for RGB-D indoor scene semantic segmentation.
- the invention can well adapt to the light changes of the indoor scene, the background noise, the small objects and the occlusion, and can more effectively utilize the complementarity of RGB and depth to obtain more robust, higher precision, and the edge of the object remains more. Good scene semantic segmentation effect.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于反卷积神经网络的场景语义分割方法,所述方法包括下述步骤:步骤S1,对场景图片用全卷积神经网络提取密集特征表达;步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样学习以及物体边沿优化,得到所述图片的分数图,从而实现精细的场景语义分割。通过局部敏感的反卷积神经网络,利用局部底层信息来加强全卷积神经网络对局部边沿的敏感性,从而得到更高精度的场景分割。
Description
本发明涉及模式识别、机器学习、计算机视觉领域,特别涉及一种基于反卷积神经网络的场景语义分割方法。
随着计算机运算能力的飞速提升,计算机视觉、人工智能、机器感知等领域也迅猛发展。场景语义分割作为计算机视觉中一个基本问题之一,也得到了长足的发展。场景语义分割就是利用计算机对图像进行智能分析,进而判断图像中每个像素点所属的物体类别,如地板、墙壁、人、椅子等等。传统的场景语义分割算法一般仅仅依靠RGB(红绿蓝三原色)图片来进行分割,很容易受到光线变化、物体颜色变化以及背景嘈杂的干扰,在实际运用中很不鲁棒,精度也很难到用户需求。
深度传感技术的发展,像微软的Kinect,能够捕捉到高精度的深度图片,很好的弥补了传统的RGB图片的上述缺陷,为鲁棒性好、精度高的物体识别提供了可能性。在计算机视觉和机器人领域,有大量的研究探索如何有效的利用RGB和深度信息来提高场景分割的精度。这些算法基本上都是利用现在最先进的全卷积神经网络来进行场景分割,但是全卷积神经网络每个神经单元都有很大的感受野,很容易造成分割的物体边沿非常粗糙。其次在RGB和深度信息融合时也采用最简单的叠加策略,并不考虑这两种模态的数据在区分不同场景下的不同物体时所起的作用截然不同的情况,造成在语义分割时候许多物体分类错误。
发明内容
本发明针对现有技术存在的上述问题,提出一种基于反卷积
神经网络的场景语义分割方法,以提高场景语义分割的精度。
本发明的基于反卷积神经网络的场景语义分割方法,包括下述步骤:
步骤S1,对场景图片用全卷积神经网络提取密集特征表达;
步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样和优化,得到所述图片的分数图,从而实现精细的场景语义分割。
进一步地,所述局部亲和度矩阵通过提取所述图片的SIFT(Scale-invariant feature transform:尺度不变特征变换)特征、SPIN(Using Spin Images for Efficient Object Recognition in Cluttered 3D Scenes:在复杂三维场景中利用旋转图像进行有效的目标识别)特征以及梯度特征,然后利用ucm-gPb(Contour Detection and Hierarchical Image Segmentation:轮廓检测和多级图像分割)算法求得。
进一步地,所述局部敏感的反卷积神经网络由三个模块多次拼接而成,该三个模块分别是局部敏感的反聚集层、反卷积层和局部敏感的均值聚集层。
进一步地,所述拼接次数为2或3次。
进一步地,通过以下公式得到所述局部敏感的反聚集层的输出结果:其中x代表特征图中某个像素点的特征向量,A={Ai,j}是x为中心得到的一个s×s大小的局部亲和度矩阵,表征周围领域的像素点和中间像素点是否相似,(i,j)和(o,o)分别代表亲和度矩阵中的任意位置及中心位置,Y={Yi,j}是反聚集输出的特征图。
进一步地,通过以下公式实现所述局部敏感的均值聚集层:
其中,y是输出的特征向量,A={Ai,j}是y为中心得到的一个s×s大小的局部亲和度矩阵,Ai,j表征周围领域的像素点和中间像素点是否相似,(i,j)和(o,o)分别代表亲和度矩阵中的任意位置及中心位置,X={Xi,j}是输入特征图。
进一步地,在所述步骤S1中,所述场景图片包括RGB图片和深度图片,所述方法还包括步骤S3:将得到的RGB分数图和深度分数图通过开关门融合层进行最优化融合,从而实现更精细的场景语义分割。
进一步地,所述的开关门融合层包括拼接层、卷积层以及归一化层。
进一步地,所述卷积层通过如下函数实现:其中Prgb∈□c×h×w为基于RGB数据预测的分数图,Pdepth∈□c×h×w为基于深度数据预测的分数图,W∈Rc×2c×1×1为开关门融合层学习的滤波子,C∈Rc×h×w是卷积输出的贡献系数矩阵。
进一步地,所述归一化层通过sigmoid函数(S型的函数,也称为S型生长曲线)实现。
本发明中,通过局部敏感的反卷积神经网络,利用局部底层信息来加强全卷积神经网络对局部边沿的敏感性,从而得到更高精度的场景分割,能够有效的克服全卷积神经网络的固有缺陷,即聚合了非常大的上下文信息来进行场景分割,造成边沿的模糊效应。
进一步地,通过设计开关门融合层,能够有效的自动学习到语义分割中,对于不同场景下不同物体中RGB和深度两个模态所起的不同作用。这种动态自适应的贡献系数要优于传统算法所使用的无差别对待方法,能进一步提高场景分割精度。
图1为本发明方法的一个实施例的流程图;
图2为本发明中全卷积神经网络用于密集特征提取的原理图;
图3a为本发明的一个实施例的局部敏感反卷积神经网络原理图;
图3b为本发明的一个实施例的局部敏感的反聚集层和局部敏感的均值聚集层的原理图;
图4为本发明的一个实施例的开关门融合层。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
如图1所示,本发明的一个实施方式的基于反卷积神经网络的场景语义分割方法包括下述步骤:
步骤S1,对场景图片用全卷积神经网络提取低分辨率的密集特征表达;
步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样和优化,得到所述图片的分数图,从而实现精细的场景语义分割。
场景语义分割是一种典型的密集预测问题,需要预测图片中每个像素点的语义类别,因而要求对图片中的每个像素点都能够提取到一个鲁棒的特征表达。本发明采用全卷积神经网络来有效的提取图片的密集特征,所述图片可以是RGB图片,和/或深度图片。如图2所示,全卷积神经网络通过多次卷积、降采样和最大值聚集过程,能够聚合丰富的
上下文信息来对图片中每个像素点进行特征表达,得到RGB特征图S1和/或深度特征图S1。但是由于存在多次降采样操作以及最大值聚集,全卷积神经网络得到的是一个低分辨率特征图,并且物体边沿非常的模糊。
为此,本发明将底层的像素级别的信息嵌入到反卷积神经网络中进行指导网络的训练。利用局部敏感的反卷积神经网络对得到的密集特征表达进行上采样学习以及物体边沿优化,得到RGB分数图S2和/或深度分数图S2,从而实现更精细的场景语义分割。
具体地,在步骤S2中,首先计算图片中每个像素点与邻近像素的相似度关系,并得到一个二值化的局部亲和度矩阵。本发明中可提取RGB和深度图片的SIFT,SPIN以及梯度特征,利用ucm-gPb算法来得到该局部亲和度矩阵。然后将该局部亲和度矩阵与所得到的RGB特征图S1和/或深度特征图S1输入局部敏感的反卷积神经网络,对密集特征表达进行上采样学习以及物体边沿优化,从而得到更精细的场景语义分割。
局部敏感的反卷积神经网络的目的在于将全卷积神经网络得到的粗糙的特征图进行上采样和优化得到更加精确的场景分割。如图3a所示,该网络结构可包含三个模块:局部敏感的反聚集层(unpooling),反卷积层,以及局部敏感的均值聚集层(average pooling)。
如图3b上部分所示,局部敏感的反聚集层的输入是上一层的特征图响应,以及局部亲和度矩阵,输出是两倍分辨率的特征图响应。该网络层的主要功能是学习恢复原始图片中的更丰富的细节信息,得到物体边沿更加清晰的分割的结果。
其中x代表特征图中某个像素点的特征向量,A={Ai,j}是x为中心得到的一个s×s大小的二值化局部亲和度矩阵,表征周围领域的像素点和中间像素点是否相似,(i,j)和(o,o)分别代表亲和度矩阵中的任意位置及中心位置,Y={Yi,j}是反聚集输出的特征图。通过反聚集操作,能够得到一个分辨率更好,细节更多的分割图。
反卷积层的输入是上一层反聚集层的输出,输出是等分辨率的特征图响应。该网络层主要是用来平滑特征图,因为反聚集层容易产生很多断裂的物体边沿,可利用反卷积过程来学***滑一些。
如图3b下部分所示,局部敏感的均值聚集层的输入是上一层反卷积层的输出,以及局部亲和度矩阵,输出是等分辨率的特征图响应。该网络层主要是用来得到每个像素点更加鲁棒的特征表达,同时能够保持对物体边沿的敏感性。
本发明中可通过以下公式得到局部敏感的反聚集层的输出结果:其中y是输出的特征向量,A={Ai,j}是y为中心得到的一个s×s大小的二值化局部亲和度矩阵,Ai,j表征周围领域的像素点和中间像素点是否相似,(i,j)和(o,o)分别代表亲和度矩阵中的任意位置及中心位置,X={Xi,j}是该操作的输入特征图。通过局部敏感的均值聚集之后,既能够得到非常鲁棒的特征表达,同时能够保持对物体边沿的敏感性。
本发明将局部敏感的反聚集层、反卷积层以及局部敏感的均值聚集层多次拼接组合在一起,逐渐的上采样和优化场景分割的细节信息,得到更精细、更准确的场景分割效果。优选地,所述拼接次数为2或3次。拼接次数越多,得到的场景分割越精细、准确,但是计算量也越大。
RGB色彩信息和深度信息描述了场景中物体的不同模态的信息,比如RGB图片能够描述物体的表观、颜色以及纹理特征,而深度数据提供了物体的空间几何、形状以及尺寸信息。有效的融合这两种互补的信息能够提升场景语义分割的精度。现有的方法基本都是将两种模态的数据等价的看待,无法区分这两种模态在识别不同场景下不同物体时的不同贡献。基于此,本发明的一个优选的实施方式中提出,将通过上述步骤S1和S2得到的RGB分数图和深度分数图通过开关门融合(gate fusion)进行最优化融合,得到融合分数图,从而实现更精细的场景语义分割,如图4所示。开关门融合层能够有效地衡量RGB(表观)和深度(形状)信息对于识别不同场景下的不同物体的重要性程度。
优选地,本发明的开关门融合层主要由拼接层、卷积层以及归一化层组合而成,其能够自动的学习两种模态的权重,从而更好的融合这两种模态的互补信息用于场景语义分割中。
首先通过拼接层将RGB和深度网络得到的特征进行拼接。其次是卷积操作,通过卷积层学习得到RGB和深度信息的权重矩阵,卷积过程可如下实现:
其中Prgb∈□c×h×w(c个通道的特征图,每个特征图高为h,宽为w)为基于RGB数据预测的分数图,Pdepth∈□c×h×w(参数意义同上)为基于深度数据预测的分数图,W∈Rc×2c×1×1(c个滤波子,每个滤波子为2c×1×1的三维矩阵)为开关门融合层学习的滤波子,C∈Rc×h×w是卷积输出的贡献系数矩阵。最后是归一化处理,优选地,通过sigmoid函数操作将Ck,i,j归一化到[0,1]区间内。最后我们记Crgb=C,Cdepth=1-C,并且将贡献系数矩阵作用原来的分数输出,得到:
在归一化处理中,替代sigmoid函数可以用L1范数,L1范数就是x1=x1/(x1+x2+...+xn),保证概率和为1。还可以用tanh函数(双曲正切函数)。优选使用sigmoid,因为在神经网络中实现更简单,优化结果更好,收敛更快。
本发明提出的新的基于局部敏感的反卷积神经网络可用于RGB-D室内场景语义分割。该发明能够很好的适应室内场景的光线变化、背景嘈杂、小物体多以及遮挡等困难,并且能更加有效的利用RGB和深度的互补性,得到更加鲁棒、精度更高、物体边沿保持更好的场景语义分割效果。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
- 一种基于反卷积神经网络的场景语义分割方法,其特征在于,所述方法包括下述步骤:步骤S1,对场景图片用全卷积神经网络提取密集特征表达;步骤S2,利用局部敏感的反卷积神经网络并借助所述图片的局部亲和度矩阵,对步骤S1中得到的密集特征表达进行上采样和优化,得到所述图片的分数图,从而实现精细的场景语义分割。
- 根据权利要求1所述的方法,其特征在于,所述局部亲和度矩阵通过提取所述图片的SIFT特征、SPIN特征以及梯度特征,然后利用ucm-gPb算法求得。
- 根据权利要求1所述的方法,其特征在于,所述局部敏感的反卷积神经网络由三个模块多次拼接而成,该三个模块分别是局部敏感的反聚集层、反卷积层和局部敏感的均值聚集层。
- 根据权利要求3所述的方法,其特征在于,所述拼接次数为2或3次。
- 根据权利要求1-6中任一项所述的方法,其特征在于,在所述步骤S1中,所述场景图片包括RGB图片和深度图片,所述方法还包括步骤S3:将得到的RGB分数图和深度分数图通过开关门融合层进行最优化融合,从而实现更精细的场景语义分割。
- 根据权利要求7所述的方法,其特征在于,所述的开关门融合层包括拼接层、卷积层以及归一化层。
- 根据权利要求8所述的方法,其特征在于,所述归一化层通过sigmoid函数实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/103425 WO2018076212A1 (zh) | 2016-10-26 | 2016-10-26 | 基于反卷积神经网络的场景语义分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/103425 WO2018076212A1 (zh) | 2016-10-26 | 2016-10-26 | 基于反卷积神经网络的场景语义分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2018076212A1 true WO2018076212A1 (zh) | 2018-05-03 |
Family
ID=62023002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2016/103425 WO2018076212A1 (zh) | 2016-10-26 | 2016-10-26 | 基于反卷积神经网络的场景语义分割方法 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2018076212A1 (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522966A (zh) * | 2018-11-28 | 2019-03-26 | 中山大学 | 一种基于密集连接卷积神经网络的目标检测方法 |
CN109543502A (zh) * | 2018-09-27 | 2019-03-29 | 天津大学 | 一种基于深度多尺度神经网络的语义分割方法 |
CN109785435A (zh) * | 2019-01-03 | 2019-05-21 | 东易日盛家居装饰集团股份有限公司 | 一种墙体重建方法及装置 |
CN109902755A (zh) * | 2019-03-05 | 2019-06-18 | 南京航空航天大学 | 一种用于xct切片的多层信息分享与纠正方法 |
CN110427953A (zh) * | 2019-06-21 | 2019-11-08 | 中南大学 | 基于卷积神经网络和序列匹配的在变化环境中让机器人进行视觉地点识别的实现方法 |
CN110458939A (zh) * | 2019-07-24 | 2019-11-15 | 大连理工大学 | 基于视角生成的室内场景建模方法 |
CN110826702A (zh) * | 2019-11-18 | 2020-02-21 | 方玉明 | 一种多任务深度网络的异常事件检测方法 |
CN110874841A (zh) * | 2018-09-04 | 2020-03-10 | 斯特拉德视觉公司 | 参照边缘图像的客体检测方法及装置 |
CN110929613A (zh) * | 2019-11-14 | 2020-03-27 | 上海眼控科技股份有限公司 | 一种智能交通违法审核的图像筛选算法 |
CN111192271A (zh) * | 2018-11-14 | 2020-05-22 | 银河水滴科技(北京)有限公司 | 一种图像分割方法及装置 |
CN111242027A (zh) * | 2020-01-13 | 2020-06-05 | 北京工业大学 | 一种融合语义信息的无监督学习场景特征快速提取方法 |
CN111259901A (zh) * | 2020-01-13 | 2020-06-09 | 镇江优瞳智能科技有限公司 | 一种利用空间信息提升语义分割精度的高效方法 |
CN111311611A (zh) * | 2020-02-17 | 2020-06-19 | 清华大学深圳国际研究生院 | 一种实时三维大场景多对象实例分割的方法 |
US10692244B2 (en) | 2017-10-06 | 2020-06-23 | Nvidia Corporation | Learning based camera pose estimation from images of an environment |
CN111488880A (zh) * | 2019-01-25 | 2020-08-04 | 斯特拉德视觉公司 | 用于提高利用边缘损失来检测事件的分割性能的方法装置 |
CN111563507A (zh) * | 2020-04-14 | 2020-08-21 | 浙江科技学院 | 一种基于卷积神经网络的室内场景语义分割方法 |
CN111723810A (zh) * | 2020-05-11 | 2020-09-29 | 北京航空航天大学 | 一种场景识别任务模型的可解释性方法 |
CN111931689A (zh) * | 2020-08-26 | 2020-11-13 | 北京建筑大学 | 一种在线提取视频卫星数据鉴别特征的方法 |
CN112085747A (zh) * | 2020-09-08 | 2020-12-15 | 中国科学院计算技术研究所厦门数据智能研究院 | 一种基于局部关系指导的图像分割方法 |
CN112164078A (zh) * | 2020-09-25 | 2021-01-01 | 上海海事大学 | 基于编码器-解码器的rgb-d多尺度语义分割方法 |
CN112381948A (zh) * | 2020-11-03 | 2021-02-19 | 上海交通大学烟台信息技术研究院 | 一种基于语义的激光条纹中心线提取及拟合方法 |
CN113239891A (zh) * | 2021-06-09 | 2021-08-10 | 上海海事大学 | 基于深度学习的场景分类***及方法 |
CN113658200A (zh) * | 2021-07-29 | 2021-11-16 | 东北大学 | 基于自适应特征融合的边缘感知图像语义分割方法 |
CN114332473A (zh) * | 2021-09-29 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 目标检测方法、装置、计算机设备、存储介质及程序产品 |
CN115496975A (zh) * | 2022-08-29 | 2022-12-20 | 锋睿领创(珠海)科技有限公司 | 辅助加权数据融合方法、装置、设备及存储介质 |
CN115546271A (zh) * | 2022-09-29 | 2022-12-30 | 锋睿领创(珠海)科技有限公司 | 基于深度联合表征的视觉分析方法、装置、设备及介质 |
CN115953666A (zh) * | 2023-03-15 | 2023-04-11 | 国网湖北省电力有限公司经济技术研究院 | 一种基于改进Mask-RCNN的变电站现场进度识别方法 |
CN115995002A (zh) * | 2023-03-24 | 2023-04-21 | 南京信息工程大学 | 一种网络构建方法及城市场景实时语义分割方法 |
CN116051830A (zh) * | 2022-12-20 | 2023-05-02 | 中国科学院空天信息创新研究院 | 一种面向跨模态数据融合的对比语义分割方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389798A (zh) * | 2015-10-19 | 2016-03-09 | 西安电子科技大学 | 基于反卷积网络与映射推理网络的sar图像分割方法 |
CN105427313A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于反卷积网络和自适应推理网络的sar图像分割方法 |
CN105488809A (zh) * | 2016-01-14 | 2016-04-13 | 电子科技大学 | 基于rgbd描述符的室内场景语义分割方法 |
CN105608692A (zh) * | 2015-12-17 | 2016-05-25 | 西安电子科技大学 | 基于反卷积网络和稀疏分类的极化sar图像分割方法 |
-
2016
- 2016-10-26 WO PCT/CN2016/103425 patent/WO2018076212A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389798A (zh) * | 2015-10-19 | 2016-03-09 | 西安电子科技大学 | 基于反卷积网络与映射推理网络的sar图像分割方法 |
CN105427313A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于反卷积网络和自适应推理网络的sar图像分割方法 |
CN105608692A (zh) * | 2015-12-17 | 2016-05-25 | 西安电子科技大学 | 基于反卷积网络和稀疏分类的极化sar图像分割方法 |
CN105488809A (zh) * | 2016-01-14 | 2016-04-13 | 电子科技大学 | 基于rgbd描述符的室内场景语义分割方法 |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10964061B2 (en) | 2017-10-06 | 2021-03-30 | Nvidia Corporation | Learning-based camera pose estimation from images of an environment |
US10692244B2 (en) | 2017-10-06 | 2020-06-23 | Nvidia Corporation | Learning based camera pose estimation from images of an environment |
CN110874841B (zh) * | 2018-09-04 | 2023-08-29 | 斯特拉德视觉公司 | 参照边缘图像的客体检测方法及装置 |
CN110874841A (zh) * | 2018-09-04 | 2020-03-10 | 斯特拉德视觉公司 | 参照边缘图像的客体检测方法及装置 |
CN109543502A (zh) * | 2018-09-27 | 2019-03-29 | 天津大学 | 一种基于深度多尺度神经网络的语义分割方法 |
CN109543502B (zh) * | 2018-09-27 | 2023-06-06 | 天津大学 | 一种基于深度多尺度神经网络的语义分割方法 |
CN111192271A (zh) * | 2018-11-14 | 2020-05-22 | 银河水滴科技(北京)有限公司 | 一种图像分割方法及装置 |
CN111192271B (zh) * | 2018-11-14 | 2023-08-22 | 银河水滴科技(北京)有限公司 | 一种图像分割方法及装置 |
CN109522966B (zh) * | 2018-11-28 | 2022-09-27 | 中山大学 | 一种基于密集连接卷积神经网络的目标检测方法 |
CN109522966A (zh) * | 2018-11-28 | 2019-03-26 | 中山大学 | 一种基于密集连接卷积神经网络的目标检测方法 |
CN109785435A (zh) * | 2019-01-03 | 2019-05-21 | 东易日盛家居装饰集团股份有限公司 | 一种墙体重建方法及装置 |
CN111488880A (zh) * | 2019-01-25 | 2020-08-04 | 斯特拉德视觉公司 | 用于提高利用边缘损失来检测事件的分割性能的方法装置 |
CN111488880B (zh) * | 2019-01-25 | 2023-04-18 | 斯特拉德视觉公司 | 用于提高利用边缘损失来检测事件的分割性能的方法装置 |
CN109902755A (zh) * | 2019-03-05 | 2019-06-18 | 南京航空航天大学 | 一种用于xct切片的多层信息分享与纠正方法 |
CN110427953A (zh) * | 2019-06-21 | 2019-11-08 | 中南大学 | 基于卷积神经网络和序列匹配的在变化环境中让机器人进行视觉地点识别的实现方法 |
CN110427953B (zh) * | 2019-06-21 | 2022-11-29 | 中南大学 | 基于卷积神经网络和序列匹配的在变化环境中让机器人进行视觉地点识别的实现方法 |
CN110458939A (zh) * | 2019-07-24 | 2019-11-15 | 大连理工大学 | 基于视角生成的室内场景建模方法 |
CN110458939B (zh) * | 2019-07-24 | 2022-11-18 | 大连理工大学 | 基于视角生成的室内场景建模方法 |
CN110929613A (zh) * | 2019-11-14 | 2020-03-27 | 上海眼控科技股份有限公司 | 一种智能交通违法审核的图像筛选算法 |
CN110826702A (zh) * | 2019-11-18 | 2020-02-21 | 方玉明 | 一种多任务深度网络的异常事件检测方法 |
CN111259901A (zh) * | 2020-01-13 | 2020-06-09 | 镇江优瞳智能科技有限公司 | 一种利用空间信息提升语义分割精度的高效方法 |
CN111242027A (zh) * | 2020-01-13 | 2020-06-05 | 北京工业大学 | 一种融合语义信息的无监督学习场景特征快速提取方法 |
CN111242027B (zh) * | 2020-01-13 | 2023-04-14 | 北京工业大学 | 一种融合语义信息的无监督学习场景特征快速提取方法 |
CN111311611B (zh) * | 2020-02-17 | 2023-04-18 | 清华大学深圳国际研究生院 | 一种实时三维大场景多对象实例分割的方法 |
CN111311611A (zh) * | 2020-02-17 | 2020-06-19 | 清华大学深圳国际研究生院 | 一种实时三维大场景多对象实例分割的方法 |
CN111563507B (zh) * | 2020-04-14 | 2024-01-12 | 浙江科技学院 | 一种基于卷积神经网络的室内场景语义分割方法 |
CN111563507A (zh) * | 2020-04-14 | 2020-08-21 | 浙江科技学院 | 一种基于卷积神经网络的室内场景语义分割方法 |
CN111723810B (zh) * | 2020-05-11 | 2022-09-16 | 北京航空航天大学 | 一种场景识别任务模型的可解释性方法 |
CN111723810A (zh) * | 2020-05-11 | 2020-09-29 | 北京航空航天大学 | 一种场景识别任务模型的可解释性方法 |
CN111931689B (zh) * | 2020-08-26 | 2021-04-23 | 北京建筑大学 | 一种在线提取视频卫星数据鉴别特征的方法 |
CN111931689A (zh) * | 2020-08-26 | 2020-11-13 | 北京建筑大学 | 一种在线提取视频卫星数据鉴别特征的方法 |
CN112085747A (zh) * | 2020-09-08 | 2020-12-15 | 中国科学院计算技术研究所厦门数据智能研究院 | 一种基于局部关系指导的图像分割方法 |
CN112085747B (zh) * | 2020-09-08 | 2023-07-21 | 中科(厦门)数据智能研究院 | 一种基于局部关系指导的图像分割方法 |
CN112164078B (zh) * | 2020-09-25 | 2024-03-15 | 上海海事大学 | 基于编码器-解码器的rgb-d多尺度语义分割方法 |
CN112164078A (zh) * | 2020-09-25 | 2021-01-01 | 上海海事大学 | 基于编码器-解码器的rgb-d多尺度语义分割方法 |
CN112381948A (zh) * | 2020-11-03 | 2021-02-19 | 上海交通大学烟台信息技术研究院 | 一种基于语义的激光条纹中心线提取及拟合方法 |
CN112381948B (zh) * | 2020-11-03 | 2022-11-29 | 上海交通大学烟台信息技术研究院 | 一种基于语义的激光条纹中心线提取及拟合方法 |
CN113239891A (zh) * | 2021-06-09 | 2021-08-10 | 上海海事大学 | 基于深度学习的场景分类***及方法 |
CN113658200A (zh) * | 2021-07-29 | 2021-11-16 | 东北大学 | 基于自适应特征融合的边缘感知图像语义分割方法 |
CN113658200B (zh) * | 2021-07-29 | 2024-01-02 | 东北大学 | 基于自适应特征融合的边缘感知图像语义分割方法 |
CN114332473A (zh) * | 2021-09-29 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 目标检测方法、装置、计算机设备、存储介质及程序产品 |
CN115496975B (zh) * | 2022-08-29 | 2023-08-18 | 锋睿领创(珠海)科技有限公司 | 辅助加权数据融合方法、装置、设备及存储介质 |
CN115496975A (zh) * | 2022-08-29 | 2022-12-20 | 锋睿领创(珠海)科技有限公司 | 辅助加权数据融合方法、装置、设备及存储介质 |
CN115546271B (zh) * | 2022-09-29 | 2023-08-22 | 锋睿领创(珠海)科技有限公司 | 基于深度联合表征的视觉分析方法、装置、设备及介质 |
CN115546271A (zh) * | 2022-09-29 | 2022-12-30 | 锋睿领创(珠海)科技有限公司 | 基于深度联合表征的视觉分析方法、装置、设备及介质 |
CN116051830B (zh) * | 2022-12-20 | 2023-06-20 | 中国科学院空天信息创新研究院 | 一种面向跨模态数据融合的对比语义分割方法 |
CN116051830A (zh) * | 2022-12-20 | 2023-05-02 | 中国科学院空天信息创新研究院 | 一种面向跨模态数据融合的对比语义分割方法 |
CN115953666A (zh) * | 2023-03-15 | 2023-04-11 | 国网湖北省电力有限公司经济技术研究院 | 一种基于改进Mask-RCNN的变电站现场进度识别方法 |
CN115995002A (zh) * | 2023-03-24 | 2023-04-21 | 南京信息工程大学 | 一种网络构建方法及城市场景实时语义分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018076212A1 (zh) | 基于反卷积神经网络的场景语义分割方法 | |
CN107066916B (zh) | 基于反卷积神经网络的场景语义分割方法 | |
WO2020108358A1 (zh) | 图像修复方法、装置、计算机设备和存储介质 | |
CN107578418B (zh) | 一种融合色彩和深度信息的室内场景轮廓检测方法 | |
CN108875935B (zh) | 基于生成对抗网络的自然图像目标材质视觉特征映射方法 | |
CN109583340B (zh) | 一种基于深度学习的视频目标检测方法 | |
CN105657402B (zh) | 一种深度图恢复方法 | |
CN109410168B (zh) | 用于确定图像中的子图块类别的卷积神经网络的建模方法 | |
WO2018000752A1 (zh) | 一种基于多尺度cnn和连续crf的单目图像深度估计方法 | |
CN108564549B (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
WO2020007307A1 (zh) | 全景图像的天空滤镜方法及便携式终端 | |
CN111476710B (zh) | 基于移动平台的视频换脸方法及*** | |
TW200834459A (en) | Video object segmentation method applied for rainy situations | |
Almogdady et al. | A flower recognition system based on image processing and neural networks | |
CN111046868B (zh) | 基于矩阵低秩稀疏分解的目标显著性检测方法 | |
CN110705634B (zh) | 一种鞋跟型号识别方法、装置及存储介质 | |
Huang et al. | Automatic building change image quality assessment in high resolution remote sensing based on deep learning | |
CN112580661A (zh) | 一种深度监督下的多尺度边缘检测方法 | |
Feng et al. | Low-light image enhancement algorithm based on an atmospheric physical model | |
Liu et al. | Progressive complex illumination image appearance transfer based on CNN | |
Han | Texture Image Compression Algorithm Based on Self‐Organizing Neural Network | |
Yuan et al. | Explore double-opponency and skin color for saliency detection | |
CN111401209B (zh) | 一种基于深度学习的动作识别方法 | |
CN115953330B (zh) | 虚拟场景图像的纹理优化方法、装置、设备和存储介质 | |
CN116993760A (zh) | 一种基于图卷积和注意力机制的手势分割方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 16920114 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 16920114 Country of ref document: EP Kind code of ref document: A1 |