基于残差学习的实时图像语义分割算法制造技术

本发明专利技术公开了一种基于残差学习的快速图像分割算法RPNet。将图片送入卷积神经网络得到具有类别信息的分割图片，步骤一：将原始图片进行标记得到标记好的图片，和原始图片构成训练集；步骤二：根据残差特征提取方法和单网络预测结构，构建新型语义分割网络；步骤三：加载训练集，用分段式训练方式训练新型语义分割网络，得到训练好的模型；步骤四：将待分割的图片送入新型语义分割网络，加载训练好的模型，得到分割结果。在加快速度的同时，准确率得到了显著的提升。在加快速度的同时，准确率得到了显著的提升。

Real time image semantic segmentation algorithm based on residual learning

【技术实现步骤摘要】
基于残差学习的实时图像语义分割算法
本专利技术涉及图像分割
，具体是一种基于残差学习的实时图像语义分割方法。
技术介绍
图像语义分割是图像处理和计算机视觉领域中的一项关键技术，是计算机认知图像内容的一个重要环节，其研究成果可应用于机器人导航，无人驾驶，虚拟现实，图像检索等众多领域，具有重要的实用价值和学术研究意义。语义分割是识别输入的每个像素，因此构建包括所有像素的特征图是很有必要的，神经网络通常以金字塔的形状构造，以增加输出的位移不变性和减少计算量。常用的语义分割常用算法ENet采用encoder-decoder结构，Encoder训练得到一个低分辨率的目标，然后在encoder后面使用一个decoder来重建高分辨率目标。这种形式考虑到了目标在不同尺度下的特征大小，并且节省了大量计算量，可以达到实时分割的效果，但由于金字塔神经网络中的重复下采样导致了图像分辨率显著降低，导致了空间信息的大量丢失，因此，最后的图像分割效果往往不好，在图像分割的边缘以及图像细节方面，网络的表现都较差为了解决这个问题，UNet提出了将低级特征本文档来自技高网...

【技术保护点】
1.一种基于残差学习的实时图像语义分割算法，将图片送入卷积神经网络得到具有类别信息的分割图片，其特征在于，包括以下步骤：/n步骤一：将原始图片进行标记得到标记好的图片，和原始图片构成训练集；/n步骤二：根据残差特征提取方法和单网络预测结构，构建新型语义分割网络；/n步骤三：加载训练集，用分段式训练方式训练新型语义分割网络，得到训练好的模型；/n步骤四：将待分割的图片送入新型语义分割网络，加载训练好的模型，得到分割结果。/n

【技术特征摘要】
1.一种基于残差学习的实时图像语义分割算法，将图片送入卷积神经网络得到具有类别信息的分割图片，其特征在于，包括以下步骤：
步骤一：将原始图片进行标记得到标记好的图片，和原始图片构成训练集；
步骤二：根据残差特征提取方法和单网络预测结构，构建新型语义分割网络；
步骤三：加载训练集，用分段式训练方式训练新型语义分割网络，得到训练好的模型；
步骤四：将待分割的图片送入新型语义分割网络，加载训练好的模型，得到分割结果。


2.根据权利要求1中所述的基于残差学习的实时图像语义分割算法，其特征在于：步骤一中，选取训练集里的一张图片，对图片按照图片里目标的不同进行区域划分，并按照目标的类别对整块区域按照像素点进行该类别的标号，将整张图的目标标记完则标完了一张图片，对所有原始图片都进行标记后得到原始图片和所有标记完的图片，作为神经网络的训练集。


3.根据权利要求1中所述的基于残差学习的实时语义分割算法，其特征在于：所述构建新型语义分割网络的方法为：
步骤3.1：采取Enet的特征编码模块作为基础特征提取网络，将训练集里的原始图片送入网络，进行卷积提取主体特征，提取每次降采样后的主体特征，分别为二分之一大小的主体特征F1/2、四分之一大小的主体的特征F1/4和八分之一大小的主体的特征F1/8；
...

【专利技术属性】
技术研发人员：韩静，楼啸天，陈霄宇，柏连发，张毅，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32