【技术实现步骤摘要】
基于循环神经网络的实时超像素分割方法及系统
[0001]本专利技术涉及神经网络
，尤其涉及一种基于循环神经网络的实时超像素分割方法及系统。
技术介绍
[0002]在计算机视觉领域，超像素为由具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。超像素能够有效利用空间，颜色约束信息，在强化图像局部一致性同时保留原始图像边界信息，具有一定的抗噪性。此外，超像素利用像素间相似性有效去除图像中冗余信息，提供了图像数据的紧凑表示，降低后续图像处理任务的复杂程度，广泛应用于语义分割，显著性检测，深度估计等视觉问题中。
[0003]传统的超像素分割粗略可以分为基于聚类，图论，轮廓演化和能量优化等的方法。这些方法各有侧重，比如经典的normalized cuts方法虽然可以产生十分规则的超像素，但是需要耗费大量的运算时间，且边缘附着性较差；graph
‑
based超像素算法可以快速生成超像素，但是超像素形状和尺寸十分不规则，也无法控制超像素数目和紧凑性。DNN在计算机视觉中广泛应用，但是...
【技术保护点】
【技术特征摘要】
1.一种基于循环神经网络的实时超像素分割方法，其特征在于，包括：提取输入图像的特征，并对所述图像进行超像素关联图初始化；基于预设训练好的循环神经网络，对所述输入图像进行实时超像素分割，所述循环神经网络的输入是由超像素关联图初始化提取的初始输入和初始隐向量确定。2.根据权利要求1所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述提取输入图像的特征，包括：基于预设的特征提取网络，提取输入图像的初始特征。3.根据权利要求2所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述对所述图像进行超像素关联图初始化，包括：基于所述输入图像的大小以及预设的超像素大小，使用规则网络初始化超像素分割。4.根据权利要求3所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述基于预设训练好的循环神经网络，对所述输入图像进行实时超像素分割，包括：构建所述循环神经网络的初始输入和初始隐向量；基于所述初始输入和初始隐向量，循环迭代，更新特征和超像素关联图；通过监督训练，得到训练后的循环神经网络。5.根据权利要求4所述的基于循环神经网络的实时超像素分割方法，其特征在于，所述通过监...
【专利技术属性】
技术研发人员：桑新柱，叶晓倩，刘博阳，陈铎，王鹏，颜玢玢，王葵如，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
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。