【技术实现步骤摘要】
一种用于RGB
‑
D图像分割的方法
[0001]本专利技术涉及图像分割领域，具体涉及一种用于RGB
‑
D图像分割的方法。
技术介绍
[0002]虽然卷积神经网络(CNN)在过去十年中已经成为RGB图像处理的主流技术，并取得了巨大的成功，但是由于其局部特性，CNN很难获得全局和远程的语义信息。在传统的语义分割任务中，RGB图像虽然包含丰富的纹理和颜色信息，但缺乏空间深度信息，很难单独从RGB图像中做到精准的像素级分类，进而精细分割出物体边缘，这在面对镜面反射、反光玻璃、强光下的物体等场景时尤其如此。
技术实现思路
[0003]针对现有技术中的上述不足，本专利技术提供的一种用于RGB
‑
D图像分割的方法解决了现有图像分割方法在部分场景下难以精细分割物体边缘的问题。
[0004]为了达到上述专利技术目的，本专利技术采用的技术方案为：提供一种用于RGB
‑
D图像分割的方法，其包括以下步骤：S1、获取目标图像的RGB图像和深度图像；分别构建...
【技术保护点】
【技术特征摘要】
1.一种用于RGB
‑
D图像分割的方法，其特征在于，包括以下步骤：S1、获取目标图像的RGB图像和深度图像；分别构建RGB图像特征提取与下采样网络、深度图像特征提取与下采样网络；其中RGB图像特征提取与下采样网络包括依次连接的第一图像切分模块、第一特征提取与下采样模块、第二特征提取与下采样模块、第三特征提取与下采样模块和第四特征提取与下采样模块；深度图像特征提取与下采样网络包括依次连接的卷积层、第二图像切分模块、第五特征提取与下采样模块、第六特征提取与下采样模块、第七特征提取与下采样模块和第八特征提取与下采样模块；S2、将第五特征提取与下采样模块的输出通过第一softmax层后的结果与第一特征提取与下采样模块的输出相乘，得到第一矩阵；S3、将第六特征提取与下采样模块的输出通过第二softmax层后的结果与第二特征提取与下采样模块的输出相乘，得到第二矩阵；S4、将第七特征提取与下采样模块的输出通过第三softmax层后的结果与第三特征提取与下采样模块的输出相乘，得到第三矩阵；S5、将第八特征提取与下采样模块的输出通过第四softmax层后的结果与第四特征提取与下采样模块的输出相乘，得到第四矩阵；S6、将第四特征提取与下采样模块的输出通过瓶颈层后的结果与第四矩阵相加，得到第五矩阵；S7、通过第一上采样模块对第五矩阵进行上采样处理，将处理结果与第三矩阵相加，得到第六矩阵...
【专利技术属性】
技术研发人员：许源平，杨雅丽，许志杰，张朝龙，李婵玉，曹衍龙，盖秋艳，谢攀，李涂鲲，
申请(专利权)人：成都信息工程大学，
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。