The invention discloses an image segmentation method based on a recursive connected convolution neural network. The image segmentation method comprises the following steps: constructing a recursive connected convolution neural network; preprocessing the original image; semantically segmenting and processing the original image using a recursive connected convolution neural network; To the segmented image, the constructed recursive connected convolutional neural network consists of a contraction module and an expansion module. The input of the contraction module is used to input the original image, the output of the contraction module is connected with the input of the expansion module, and the output of the expansion module is used to output the recursive connected convolutional neural network. The segmented images processed by collaterals. The invention can effectively reduce the problems of feature disappearance and gradient dispersion, and improve the accuracy of image semantic segmentation.
【技术实现步骤摘要】
基于递归连接式卷积神经网络的图像分割方法及存储介质
本专利技术涉及卷积神经网络领域,尤其涉及一种基于递归连接式卷积神经网络的图像分割方法及存储介质。
技术介绍
随着卷积神经网络在公开数据集上分类错误率的不断下降,业内技术人员开始关注卷积神经网络在图像像素级的分割的应用,即图像语义分割。图像语义分割是计算机视觉里除了图像分类和目标监测外,另一个非常重要的研究领域。图像语义分割是要对图像中每一个像素点进行分类,相对于图像分类和目标监测来说,图像语义分割的难度更大。目前,基于深度学习的图像语义分割方法,其所采用的卷积神经网络结构通常是将传统的卷积神经网络中的全连接层修改为卷积层,得到全卷积神经网络,从而实现图像语义分割。但是,现有的用于图像语义分割的全卷积神经网络都存在特征在正向传播中的消失以及梯度在反向传播中的弥散的问题,从而导致图像语义分割的精度较差。
技术实现思路
为了克服现有技术的不足,本专利技术的目的之一在于提供一种基于递归连接式卷积神经网络的图像分割方法,其能有效减轻特征消失和梯度弥散的问题,提高了图像语义分割的精度。本专利技术的目的之二在于提供一种计算机可读存储介质,其能有效减轻特征消失和梯度弥散的问题,提高了图像语义分割的精度。本专利技术的目的之一采用如下技术方案实现:一种基于递归连接式卷积神经网络的图像分割方法,所述图像分割方法具体包括以下步骤:构建递归连接式卷积神经网络;对原始图像进行预处理;利用所述递归连接式卷积神经网络对预处理之后的所述原始图像进行图像语义分割处理;得到已分割好的图像;其中,所构建的递归连接式卷积神经网络包含收缩模块和扩张模块 ...
【技术保护点】
1.一种基于递归连接式卷积神经网络的图像分割方法,其特征在于,所述图像分割方法具体包括以下步骤:构建递归连接式卷积神经网络;对原始图像进行预处理;利用所述递归连接式卷积神经网络对预处理之后的所述原始图像进行图像语义分割处理;得到已分割好的图像;其中,所构建的递归连接式卷积神经网络包含收缩模块和扩张模块,所述收缩模块的输入端用于输入原始图像,所述收缩模块的输出端与所述扩张模块的输入端连接,所述扩张模块的输出端用于输出经所述递归连接式卷积神经网络处理后的已分割好的图像;所述收缩模块由多个递归连接块逐一递进连接而构成;所述扩张模块具有多个重复的反卷积层,所述收缩模块中的最后一个递归连接块与所述扩张模块中的第一个反卷积层连接,每一个反卷积层的输出结果与所述收缩模块中对应步骤的递归连接块的输出结果进行叠加之后再输入到下一个反卷积层中,最后一个反卷积层的输出端为所述扩张模块的输出端。
【技术特征摘要】
1.一种基于递归连接式卷积神经网络的图像分割方法,其特征在于,所述图像分割方法具体包括以下步骤:构建递归连接式卷积神经网络;对原始图像进行预处理;利用所述递归连接式卷积神经网络对预处理之后的所述原始图像进行图像语义分割处理;得到已分割好的图像;其中,所构建的递归连接式卷积神经网络包含收缩模块和扩张模块,所述收缩模块的输入端用于输入原始图像,所述收缩模块的输出端与所述扩张模块的输入端连接,所述扩张模块的输出端用于输出经所述递归连接式卷积神经网络处理后的已分割好的图像;所述收缩模块由多个递归连接块逐一递进连接而构成;所述扩张模块具有多个重复的反卷积层,所述收缩模块中的最后一个递归连接块与所述扩张模块中的第一个反卷积层连接,每一个反卷积层的输出结果与所述收缩模块中对应步骤的递归连接块的输出结果进行叠加之后再输入到下一个反卷积层中,最后一个反卷积层的输出端为所述扩张模块的输出端。2.如权利要求1所述的基于递归连接式卷积神经网络的图像分割方法,其特征在于,所述收缩模块具有四个所述递归连接块,所述扩张模块具有四个...
【专利技术属性】
技术研发人员:林永飞,谭峻东,
申请(专利权)人:广州多维魔镜高新科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。