A learning method for improving image segmentation includes the following steps: (a) if the training image is obtained, the eigenvalues from (1 1) to (1 K) are obtained through the coding layer; (b) the eigenvalues from (3 1) to (3 H) are obtained by inputting each output of the H coding filters into (3 1) filters to (3 H) filters respectively; (c) the eigenvalues from (3 1) to (3 H) are obtained; (c) each H solution is allowed by (i). Code filters use (3 1) to (3 H) feature diagrams and feature diagrams obtained from each previous decoding filter of each H decoding filter, respectively, or by (ii) allowing K H decoding filters unrelated to (3 1) to (3 H) filters to use the feature diagrams obtained from each previous decoding filter of each K H decoding filter, and sequentially obtain them. The process of taking (2 K) feature map to (2 1) feature map and (d) adjusting the parameters of CNN.
【技术实现步骤摘要】
改进图像分割学习方法和装置及使用其的测试方法和装置
本专利技术涉及一种用于改进图像分割的学习方法和学习装置及使用它们的测试方法和测试装置,并且更具体地,涉及一种通过使用学习装置改进图像分割的学习方法及学习装置,以及使用它们的测试方法和测试装置,其中,学习装置包括:(i)编码层,具有通过对训练图像应用一个或多个卷积运算分别生成第(1-1)特征图至第(1-K)特征图的第(1-1)滤波器至第(1-K)滤波器中的每一个;(ii)解码层,具有通过对第(1-K)特征图应用一个或多个去卷积运算分别生成第(2-K)特征图至第(2-1)特征图的第(2-K)滤波器至第(2-1)滤波器中的每一个;以及(iii)中间层,具有分别布置于包括在编码层中的K个滤波器中的H个编码滤波器的每一个与包括在解码层中的K个滤波器中的H个解码滤波器的每一个之间的第(3-1)滤波器至第(3-H)滤波器中的每一个,所述学习方法包括以下步骤:(a)如果获得训练图像,则学习装置通过编码层获取第(1-1)特征图至第(1-K)特征图;(b)学习装置通过将H个编码滤波器的每个输出分别输入到第(3-1)滤波器至第(3-H)滤波器获取第(3-1)特征图至第(3-H)特征图;(c)通过(i)允许各个H个解码滤波器分别使用第(3-1)特征图至第(3-H)特征图和从各个H个解码滤波器的各个先前解码滤波器获得的特征图,或者通过(ii)允许与第(3-1)滤波器至第(3-H)滤波器无关的各个K-H解码滤波器使用从各个K-H解码滤波器的各个先前解码滤波器获得的特征图,学习装置执行顺序地获取第(2-K)特征图至第(2-1)特征 ...
【技术保护点】
1.一种用于通过使用学习装置来改进图像分割的学习方法,其中,所述学习装置包括:(i)编码层,具有通过对作为输入图像的训练图像应用一个或多个卷积运算分别生成第(1‑1)特征图至第(1‑K)特征图的第(1‑1)滤波器至第(1‑K)滤波器中的每一个;(ii)解码层,具有通过对所述第(1‑K)特征图应用一个或多个去卷积运算分别生成第(2‑K)特征图至第(2‑1)特征图的第(2‑K)滤波器至第(2‑1)滤波器中的每一个;以及(iii)中间层,具有分别布置于包括在所述编码层中的K个滤波器中的H个编码滤波器的每一个与包括在所述解码层中的K个滤波器中的H个解码滤波器的每一个之间的第(3‑1)滤波器至第(3‑H)滤波器中的每一个,所述学习方法包括以下步骤:(a)如果获得所述输入图像,则所述学习装置通过所述编码层获取或支持另一装置获取所述第(1‑1)特征图至所述第(1‑K)特征图;(b)通过将所述H个编码滤波器的每个输出分别输入到所述第(3‑1)滤波器至所述第(3‑H)滤波器,所述学习装置获取或支持另一装置获取第(3‑1)特征图至第(3‑H)特征图;(c)通过(i)允许各个H个解码滤波器分别使用所述第(3 ...
【技术特征摘要】
2017.10.04 US 15/724,9941.一种用于通过使用学习装置来改进图像分割的学习方法,其中,所述学习装置包括:(i)编码层,具有通过对作为输入图像的训练图像应用一个或多个卷积运算分别生成第(1-1)特征图至第(1-K)特征图的第(1-1)滤波器至第(1-K)滤波器中的每一个;(ii)解码层,具有通过对所述第(1-K)特征图应用一个或多个去卷积运算分别生成第(2-K)特征图至第(2-1)特征图的第(2-K)滤波器至第(2-1)滤波器中的每一个;以及(iii)中间层,具有分别布置于包括在所述编码层中的K个滤波器中的H个编码滤波器的每一个与包括在所述解码层中的K个滤波器中的H个解码滤波器的每一个之间的第(3-1)滤波器至第(3-H)滤波器中的每一个,所述学习方法包括以下步骤:(a)如果获得所述输入图像,则所述学习装置通过所述编码层获取或支持另一装置获取所述第(1-1)特征图至所述第(1-K)特征图;(b)通过将所述H个编码滤波器的每个输出分别输入到所述第(3-1)滤波器至所述第(3-H)滤波器,所述学习装置获取或支持另一装置获取第(3-1)特征图至第(3-H)特征图;(c)通过(i)允许各个H个解码滤波器分别使用所述第(3-1)特征图至所述第(3-H)特征图和从各个H个解码滤波器的各个先前解码滤波器获得的特征图,或者通过(ii)允许与所述第(3-1)滤波器至所述第(3-H)滤波器无关的各个K-H解码滤波器使用从各个K-H解码滤波器的各个先前解码滤波器获得的特征图,所述学习装置执行顺序地获取所述第(2-K)特征图至第所述(2-1)特征图的过程;以及(d)通过利用地面真值(GT)标签图像与所述第(2-1)特征图之间的差异执行反向传播过程,所述学习装置调整第(2-1)滤波器至第(2-K)滤波器、第(3-1)滤波器至第(3-H)滤波器和第(1-1)滤波器至第(1-K)滤波器的至少一部分的参数。2.根据权利要求1所述的方法,其中,在所述步骤(a)中,所述学习装置通过分别允许所述第(1-1)滤波器至所述第(1-K)滤波器分别减小其相应特征图的大小同时增加其通道数来生成所述第(1-1)特征图至所述第(1-K)特征图;其中,在所述步骤(b)中,所述学习装置通过从所述H个编码滤波器的输出中提取边缘信息的所述第(3-1)滤波器至所述第(3-H)滤波器生成所述第(3-1)特征图至所述第(3-H)特征图;并且其中,在所述步骤(c)中,所述学习装置通过分别允许所述第(2-K)滤波器至所述第(2-1)滤波器分别增加其相应特征图的大小同时减少其通道数来生成所述第(2-K)特征图至所述第(2-1)特征图。3.根据权利要求2所述的方法,其中,在所述步骤(b)中,所述学习装置通过从所述H个编码滤波器的输出提取频率变化等于或大于预定阈值的部分,来获取所述第(3-1)特征图至所述第(3-H)特征图。4.根据权利要求1所述的方法,其中,如果H等于K,则所述学习装置(i)通过将所述第(1-1)特征图至所述第(1-K)特征图的每一个输入到第(3-1)滤波器至第(3-K)滤波器来生成第(3-1)特征图至第(3-K)特征图的每一个,然后(ii)将所述第(3-1)特征图至所述第(3-K)特征图的每一个中继到第(2-1)滤波器至第(2-K)滤波器。5.根据权利要求1所述的方法,其中,所述第(3-1)滤波器至所述第(3-H)滤波器中的至少一个执行扩张卷积运算。6.根据权利要求5所述的方法,其中,所述第(3-1)滤波器至所述第(3-H)滤波器中的至少一个执行卷积运算。7.根据权利要求5所述的方法,其中,所述中间层中的每个滤波器的感受野的在所述第(3-1)滤波器至所述第(3-H)滤波器中执行扩张卷积运算的一部分被配置为用零填充。8.根据权利要求1所述的方法,其中,在所述步骤(c)中,所述学习装置通过使用关于所述第(3-1)特征图至所述第(3-H)特征图的信息以及关于从各个H个解码滤波器的各个先前解码滤波器获得的特征图的信息执行去卷积运算,并从所述H个解码滤波器获取第(2-1)特征图至第(2-K)特征图中的特征图。9.根据权利要求1所述的方法,其中,如果所述第(3-H)滤波器与所述第(1-K)滤波器相互作用,则在所述步骤(c)中,所述学习装置通过允许所述第(2-K)滤波器对从所述第(3-H)滤波器获得的所述第(3-H)特征图执行去卷积运算来获取所述第(2-K)特征图。10.根据权利要求1所述的方法,其中,如果所述第(3-H)滤波器与所述第(1-K)滤波器相互作用,则在所述步骤(c)中,所述学习装置通过允许所述第(2-K)滤波器对所述第(1-K)特征图和从所述第(3-H)滤波器获得的所述第(3-H)特征图执行去卷积运算来获取所述第(2-K)特征图。11.一种用于通过使用学习装置对作为输入图像的测试图像执行图像分割的测试方法,包括以下步骤:(a)测试装置获取或支持另一装置获取所述测试图像,条件是:(I)所述学习装置包括(i)编码层,具有通过对训练图像应用一个或多个卷积运算分别生成用于训练的第(1-1)特征图至第(1-K)特征图的第(1-1)滤波器至第(1-K)滤波器中的每一个;(ii)解码层,具有通过对用于训练的所述第(1-K)特征图应用一个或多个去卷积运算分别生成用于训练的第(2-K)特征图至第(2-1)特征图的第(2-K)滤波器至第(2-1)滤波器中的每一个;以及(iii)中间层,具有分别布置于包括在所述编码层中的K个滤波器中的H个编码滤波器的每一个与包括在所述解码层中的K个滤波器中的H个解码滤波器的每一个之间的第(3-1)滤波器至第(3-H)滤波器中的每一个;(II)所述学习装置执行以下过程:(i)如果获得所述训练图像,则通过所述编码层获取用于训练的所述第(1-1)特征图至所述第(1-K)特征图;(ii)通过将所述H个编码滤波器的每个输出分别输入到所述第(3-1)滤波器至所述第(3-H)滤波器获取用于训练的第(3-1)特征图至第(3-H)特征图;(iii)通过允许各个H个解码滤波器分别使用用于训练的所述第(3-1)特征图至所述第(3-H)特征图和从各个H个解码滤波器的各个先前解码滤波器获得的用于训练的特征图,或者通过允许与所述第(3-1)滤波器至所述第(3-H)滤波器无关的各个K-H解码滤波器使用从各个K-H解码滤波器的各个先前解码滤波器获得的用于训练的特征图,从所述解码层顺序地获取用于训练的所述第(2-K)特征图至所述第(2-1)特征图;以及(iv)通过利用地面真值(GT)标签图像与用于训练的所述第(2-1)特征图之间的差异执行反向传播过程,调整第(2-1)滤波器至第(2-K)滤波器、第(3-1)滤波器至第(3-H)滤波器和第(1-1)滤波器至第(1-K)滤波器的至少一部分的参数;(b)如果获得所述输入图像,则所述测试装置通过所述编码层获取或支持另一装置获取用于测试的所述第(1-1)特征图至所述第(1-K)特征图;(c)通过将所述H个编码滤波器的每个输出分别输入到所述第(3-1)滤波器至所述第(3-H)滤波器,所述测试装置获取或支持另一个装置获取用于测试的所述第(3-1)特征图至所述第(3-H)特征图;以及(d)通过(i)允许各个H个解码滤波器分别使用用于测试的所述第(3-1)特征图至所述第(3-H)特征图和从各个H个解码滤波器的各个先前解码滤波器获得的用于测试的特征图,或者通过(ii)允许与所述第(3-1)滤波器至所述第(3-H)滤波器无关的各个K-H解码滤波器使用从各个K-H解码滤波器的各个先前解码滤波器获得的用于测试的特征图,所述测试装置执行顺序地获取用于测试的所述第(2-K)特征图至所述第(2-1)特征图的过程。12.根据权利要求11所述的方法,其中,在所述步骤(b)中,所述测试装置通过分别允许所述第(1-1)滤波器至所述第(1-K)滤波器分别减小其相应特征图的大小同时增加其通道数来生成用于测试的所述第(1-1)特征图至所述第(1-K)特征图;其中,在所述步骤(c)中,所述测试装置通过从所述H个编码滤波器的输出中提取边缘信息的所述第(3-1)滤波器至所述第(3-H)滤波器生成用于测试的所述第(3-1)特征图至所述第(3-H)特征图;并且其中,在所述步骤(d)中,所述测试装置通过分别允许所述第(2-K)滤波器至所述第(2-1)滤波器分别增加其相应特征图的大小同时减少其通道数来生成用于测试的所述第(2-K)特征图至所述第(2-1)特征图。13.根据权利要求12所述的方法,其中,在所述步骤(c)中,所述测试装置通过从所述H个编码滤波器的输出提取频率变化等于或大于预定阈值的部分,来获取用于测试的所述第(3-1)特征图至所述第(3-H)特征图。14.根据权利要求11所述的方法,其中,所述第(3-1)滤波器至所述第(3-H)滤波器中的至少一个执行扩张卷积运算。15.根据权利要求11所述的方法,其中,在所述步骤(d)中,所述测试装置通过使用关于用于测试的所述第(3-1)特...
【专利技术属性】
技术研发人员:金镕重,南云铉,夫硕焄,成明哲,吕东勋,柳宇宙,张泰雄,郑景中,诸泓模,赵浩辰,
申请(专利权)人:斯特拉德视觉公司,
类型:发明
国别省市:韩国,KR
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。