System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉识别,尤其涉及一种基于特征增强的图像全景分割方法、装置、设备及存储介质。
技术介绍
1、伴随着计算机视觉研究和深度学习方法的不断深入,基于深度学习的图像分类、语义分割以及实例分割等技术都获得了巨大的进步。语义分割为图像中的每个像素赋予一个语义类别标签,但不能区分图像中相同语义类别的不同物体实例。实例分割对图像中的物体实例进行像素级的分割,但不涉及没有明确形状的各种不可数物体。全景分割任务是语义分割和实例分割任务的统一,对于如自动驾驶和智能机器人等依赖图像场景视觉感知的任务都十分重要。
2、但是现有技术可能没有有效地应用注意力机制和坐标卷积,从而在重分配大量通道信息和提供精确空间信息方面存在不足,导致在处理小物体或细节丰富的场景时性能下降。
3、有鉴于此,亟需一种采用多种特征增强技术实现的rgb图像全景分割预测优化方法,用于自动驾驶和视频监控领域,从而提高对场景中活动和事件的理解,更好地实现对目标物体的检测与识别。
4、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种基于特征增强的图像全景分割方法、装置、设备及存储介质,旨在解决现有技术中进行图像全景分割时精度不高的技术问题。
2、为实现上述目的,本专利技术提供了一种基于特征增强的图像全景分割方法,所述方法包括以下步骤:
3、对原始图像进行预处理,得到处理后的原始图像;
...【技术保护点】
1.一种基于特征增强的图像全景分割方法,其特征在于,包括:
2.根据权利要求1所述的基于特征增强的图像全景分割方法,其特征在于,基于所述多层次特征图像集合进行图像特征增强,得到增强后的特征图像集合,具体包括:
3.根据权利要求2所述的基于特征增强的图像全景分割方法,其特征在于,基于所述多层次特征图像集合进行图像特征增强,得到增强后的特征图像集合之后,还包括:
4.根据权利要求1所述的基于特征增强的图像全景分割方法,其特征在于,对所述增强后的特征图像集合进行目标特征重分配,得到目标特征图像集合,具体包括:
5.根据权利要求1-3中任一项所述的基于特征增强的图像全景分割方法,其特征在于,对所述目标特征图像集合进行全景分割处理,得到全景分割图像,具体包括:
6.根据权利要求5所述的基于特征增强的图像全景分割方法,其特征在于,对所述目标特征图像集合进行整合编码处理,得到编码后的目标特征图像,具体包括:
7.根据权利要求6所述的基于特征增强的图像全景分割方法,其特征在于,对所述编码后的目标特征图像进行解码处理,得到全景
8.一种基于特征增强的图像全景分割装置,其特征在于,所述基于特征增强的图像全景分割装置包括:
9.一种基于特征增强的图像全景分割设备,其特征在于,所述基于特征增强的图像全景分割设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于特征增强的图像全景分割程序,所述基于特征增强的图像全景分割程序配置为实现根据权利要求1至7中任一项所述的基于特征增强的图像全景分割方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,计算机程序被处理器执行时能够实现权利要求1至7任一项所述的基于特征增强的图像全景分割方法中的步骤。
...【技术特征摘要】
1.一种基于特征增强的图像全景分割方法,其特征在于,包括:
2.根据权利要求1所述的基于特征增强的图像全景分割方法,其特征在于,基于所述多层次特征图像集合进行图像特征增强,得到增强后的特征图像集合,具体包括:
3.根据权利要求2所述的基于特征增强的图像全景分割方法,其特征在于,基于所述多层次特征图像集合进行图像特征增强,得到增强后的特征图像集合之后,还包括:
4.根据权利要求1所述的基于特征增强的图像全景分割方法,其特征在于,对所述增强后的特征图像集合进行目标特征重分配,得到目标特征图像集合,具体包括:
5.根据权利要求1-3中任一项所述的基于特征增强的图像全景分割方法,其特征在于,对所述目标特征图像集合进行全景分割处理,得到全景分割图像,具体包括:
6.根据权利要求5所述的基于特征增强的图像全景分割方法,其特征在于,对所述目标...
【专利技术属性】
技术研发人员:袁小晨,季书成,林灿堂,严肇基,
申请(专利权)人:澳门理工大学,
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。