【技术实现步骤摘要】
本申请涉及图像处理，尤其是涉及一种基于深度学习的运动目标分割方法、系统、设备及介质。
技术介绍
1、传统的运动目标分割方法主要根据图像中像素点或特征点的运动信息，对静止像素点和运动像素点进行分类，如连续帧间差分法、背景差分法和光流法等。传统方法在一些简单场景下效果不错，但仍具有计算复杂度大、难以处理复杂多变场景等局限性。
2、随着深度神经网络的不断发展，基于深度学习的算法在计算机视觉领域被广泛应用并取得优异的成果。2015年全卷积神经网络的提出在像素级别上解决了图像语义分割问题，于是视频目标分割也进入了深度学习的时代。与普通图像分割相比，运动目标分割的核心在于时序模块:它的任务是在视频的每一连续帧中寻找感兴趣目标所对应的像素，因此结合静态图像分割与运动信息的模型成为主流研究方向。
3、基于静态图像分割，需要利用神经网络训练大型数据集学习特征，选择一种方法学习运动特性，通过迭代、后处理等方式提高最终正确率，因此对专有数据集依赖严重。而基于雷达或激光点云的方法虽然能够获得更准确的运动信息，但对于硬件的配置要求更高，若...
【技术保护点】
1.一种基于深度学习的运动目标分割方法，其特征在于，所述基于深度学习的运动目标分割方法包括：
2.根据权利要求1所述的基于深度学习的运动目标分割方法，其特征在于，所述基于所述第一特征向量集和所述第二特征向量集，构建第一特征金字塔和第二特征金字塔，并根据所述第一特征金字塔和所述第二特征金字塔，确定光流结果，包括：
3.根据权利要求1所述的基于深度学习的运动目标分割方法，其特征在于，所述将所述深层次特征向量集与所述光流结果进行不同尺度的特征融合，得到多个融合特征，包括：
4.根据权利要求3所述的基于深度学习的运动目标分割方法，其特征在于...
【技术特征摘要】
1.一种基于深度学习的运动目标分割方法，其特征在于，所述基于深度学习的运动目标分割方法包括：
2.根据权利要求1所述的基于深度学习的运动目标分割方法，其特征在于，所述基于所述第一特征向量集和所述第二特征向量集，构建第一特征金字塔和第二特征金字塔，并根据所述第一特征金字塔和所述第二特征金字塔，确定光流结果，包括：
3.根据权利要求1所述的基于深度学习的运动目标分割方法，其特征在于，所述将所述深层次特征向量集与所述光流结果进行不同尺度的特征融合，得到多个融合特征，包括：
4.根据权利要求3所述的基于深度学习的运动目标分割方法，其特征在于，通过如下方式将每个所述通道维度相加结果输入至通道注意力模块并残差连接，得到多个第一输出结果：
5.根据权利要求3所述的基于深度学习的运动目标分割方法，其特征在于，通过如下方式将每个所述第一输出结果输入至空间注意力模块并残差连接，得到多个第二输出结果：
6.根据权利要求3所述的基于深度学习的...
【专利技术属性】
技术研发人员：贺建飚，陈明航，张伟，成新明，张健，李玺，刘熙尧，张越棋，罗竣轩，
申请(专利权)人：中南大学，
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。