欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023100804172
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进U‑Net的道路场景图像实时语义分割方法,其特征在于,包括:

步骤1:在采样阶段,将原始U‑Net结构中标准卷积替换为深度可分离卷积,得到优化后的卷积块,并引入注意力模块来增强特征获取能力,补充上下文信息,得到通道域注意力深度卷积模块结构;

步骤2:在上下采样融合阶段,添加多尺度空间注意力级联模块,通过关注重点区域获取低维度空间并经过转换与高维特征融合,得到改进U‑Net;

步骤3:基于改进U‑Net对道路场景图像进行实时语义分割。

2.根据权利要求1所述的基于改进U‑Net的道路场景图像实时语义分割方法,其特征在于,所述深度可分离卷积针对输入特征图的每个通道先分别进行一个n×n的卷积,输出n个通道分离的特征,然后进行1×1卷积得到输出。

3.根据权利要求1所述的基于改进U‑Net的道路场景图像实时语义分割方法,其特征在于,所述注意力模块包含压缩和激励两个操作,压缩是一个全局平均池化过程,经过压缩操作后特征图变为1×1×C向量,激励操作由两个全连接层组成,压缩的输出向量作为激励的输入向量,经过转换再与原特征图相乘得到最后同原始特征大小的输出结果,其中C是通道数。

4.根据权利要求1所述的基于改进U‑Net的道路场景图像实时语义分割方法,其特征在于,所述多尺度空间注意力级联模块的输入特征为上采样阶段过程结果,经过两次池化操作得到不同信息特征表示。