1.一种三分支自适应权重特征融合的语义分割方法,其特征是,包括步骤如下:
步骤1、构建三分支自适应权重特征融合的语义分割网络;
上述三分支自适应权重特征融合的语义分割网络包括深度转换模块、2个卷积模块、8个卷积混合池化模块、8个双通道注意力机制模块、2个空洞卷积金字塔模块、6个上采样模块、1个权重相加模块、2个自适应权重相加模块、以及1个损失函数模块;
深度转换模块的输入和第一卷积模块的输入共同形成三分支自适应权重特征融合的语义分割网络的输入;
第一卷积模块的输出连接第一卷积混合池化模块的输入,第一卷积混合池化模块的输出连接第一双通道注意力机制模块的输入,第一双通道注意力机制模块的输出连接第二卷积混合池化模块的输入,第二卷积混合池化模块的输出连接第二双通道注意力机制模块的输入,第二双通道注意力机制模块的输出连接第三卷积混合池化模块的输入,第三卷积混合池化模块的输出连接第三双通道注意力机制模块的输入,第三双通道注意力机制模块的输出连接第四卷积混合池化模块的输入,第四卷积混合池化模块的输出连接第四双通道注意力机制模块的输入,第四双通道注意力机制模块的输出连接第一空洞卷积金字塔模块的输入;第一空洞卷积金字塔模块的一个输出连接第一上采样模块的输入,第一上采样模块的一个输出连接第二上采样模块的输入,第二上采样模块的输出连接第二自适应权重相加模块的一个输入;
深度转换模块的输出连接第二卷积模块的输入,第二卷积模块的输出连接第五卷积混合池化模块的输入,第五卷积混合池化模块的输出连接第五双通道注意力机制模块的输入,第五双通道注意力机制模块的输出连接第六卷积混合池化模块的输入,第六卷积混合池化模块的输出连接第六双通道注意力机制模块的输入,第六双通道注意力机制模块的输出连接第七卷积混合池化模块的输入,第七卷积混合池化模块的输出连接第七双通道注意力机制模块的输入,第七双通道注意力机制模块的输出连接第八卷积混合池化模块的输入,第八卷积混合池化模块的输出连接第八双通道注意力机制模块的输入,第八双通道注意力机制模块的输出连接第二空洞卷积金字塔模块的输入;第二空洞卷积金字塔模块的一个输出连接第三上采样模块的输入,第三上采样模块的一个输出连接第四上采样模块的输入,第四上采样模块的输出连接第二自适应权重相加模块的另一个输入;
第一空洞卷积金字塔模块的另一个输出和第二空洞卷积金字塔模块的另一个输出分别连接权重相加模块的2个输入,权重相加模块的输出连接第五上采样模块的输入;第一上采样模块的另一个输出、第三上采样模块的另一个输出和第五上采样模块的输出分别连接第一自适应权重相加模块的3个输入;第一自适应权重相加模块的输出连接第六个上采样模块的输入;第六个上采样模块的输出连接第二自适应权重相加模块的又一个输入;第二自适应权重相加模块的输出连接损失函数模块的输入;
损失函数模块的输出形成三分支自适应权重特征融合的语义分割网络的输出;
步骤2、利用已分割好的样本图像集对步骤1所构建的三分支自适应权重特征融合的语义分割网络进行深度学习,得到三分支自适应权重特征融合的语义分割模型;
步骤3、将待分割的图像送入到步骤2所得到的三分支自适应权重特征融合的语义分割模型中进行分割,三分支自适应权重特征融合的语义分割模型输出分割好的图片。
2.根据权利要求1所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,卷积混合池化模块包括混合池化单元、卷积单元、N个迭嶂卷积单元、以及权重相加单元;其中N为大于等于1的正整数;
混合池化单元的输入和卷积单元的输入共同形成卷积混合池化模块的输入;混合池化单元的输出连接第一个迭嶂卷积单元的输入,N个迭嶂卷积单元依次串联,第N个迭嶂卷积单元的输出连接权重相加单元的一个输入;卷积单元的输出连接权重相加单元的另一个输入;权重相加单元的输出形成卷积混合池化模块的输出。
3.根据权利要求2所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,混合池化单元包括一维垂直平均池化层、一维水平平均池化层、最大池化层、以及权重相加层;
一维垂直平均池化层的一个输入、一维水平平均池化层的一个输入和最大池化层的一个输入共同形成混合池化单元的输入;一维垂直平均池化层的输出、一维水平平均池化层的输出和最大池化层的输出分别连接权重相加层的3个输入;权重相加层的输出形成混合池化单元的输出。
4.根据权利要求2所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,迭嶂卷积单元包括4个卷积层、2个ReLu激活层、1个BN批归一化层、以及2个残差相加层;
第一卷积层的输入和第二残差相加层的一个输入形成迭嶂卷积单元的输入;第一卷积层的一个输出连接第二卷积层的输入,第二卷积层的输出连接第一ReLu激活层的输入,第一ReLu激活层的输出连接第三卷积层的输入,第三卷积层的输出连接BN批归一化层的输入,BN批归一化层的输出连接第一残差相加层的一个输入;第一卷积层的另一个输出连接第一残差相加层的另一个输入;第一残差相加层的输出连接第二ReLu激活层的输入,第二ReLu激活层的输出连接第四卷积层的输入,第四卷积层的输出连接第二残差相加层的另一个输入;第二残差相加层的输出形成迭嶂卷积单元的输出。
5.根据权利要求2所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,迭嶂卷积单元的个数N的取值范围介于1~20之间。
6.根据权利要求2所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,双通道注意力机制模块包括注意力机制单元、转置单元、以及权重相加单元;
注意力机制单元的输入形成双通道注意力机制模块的输入;注意力机制单元的一个输出连接权重相加单元的一个输入;注意力机制单元的另一个输出连接转置单元的输入,转置单元的输出连接权重相加单元的另一个输入;权重相加单元的输出形成双通道注意力机制模块的输出。
7.根据权利要求2所述的一种三分支自适应权重特征融合的语义分割方法,其特征是,自适应权重相加模块的计算方法为:K K K K
P(i,j)=w1D1(i,j)+w2D2(i,j)+w3D3(i,j)
K
式中,P (i,j)为自适应融合特征图即第一自适应权重相加模块或第二自适应权重相加模块输出的特征图在第K通道,第i行,第j列的像素值;w1为右分支特征图即第一上采样模块或第二上采样模块输出的特征图的权重;w2为中间分支特征图即第五上采样模块或第六上采样模块输出的特征图的权重;w3为左分支特征图即第三上采样模块或第四上采样模块K输出的特征图的权重;λ和δ均为给定常数;D1 (i,j)为右分支特征图即第一上采样模块或第K
二上采样模块输出的特征图在第K通道,第i行,第j列的像素值;D2 (i,j)为中间分支特征图即第五上采样模块或第六上采样模块输出的特征图在第K通道,第i行,第j列的像素值;
K
D3(i,j)为左分支特征图即第三上采样模块或第四上采样模块输出的特征图在第K通道,第i行,第j列的像素值;K=1,2,…,K′,K′为特征图的通道数;i=1,2,…,L,L为特征图的长度;
j=1,2,…,H,H为特征图的宽度。