【技术实现步骤摘要】
本专利技术属于图像分割和人工智能，具体为一种基于深度网络参数化先验的图像分割方法。
技术介绍
1、图像分割是指将图像分割为若干互不重叠的有相同属性且有意义的区域，是图像分析的第一步，是计算机视觉的基础，也是图像理解的重要组成部分。
2、图像分割作为图像
的经典挑战，自20世纪60年代以来，吸引了许多研究人员的研究热情，并做出了巨大的努力，提出了许多经典的传统图像分割方法。这些方法可以概括为四类：1.基于阈值的图像分割；2.基于边缘检测的图像分割；3.基于区域的图像分割；4.基于特定理论的图像分割。这些方法用于分割灰度图像效果较好，但分割彩色图像时往往达不到理想的效果。
3、随着深度神经网络的发展，先后提出了许多基于深度神经网络的图像分割方法，其为图像分割的准确率做出了杰出贡献，但也随之带来了一个显著的问题。深度神经网络需要人工标注的标签来训练，然而，为数据集中的每个图像获得准确的、逐像素的语义标签是一个耗费大量时间和金钱的劳动密集型过程。因此将传统图像分割方法利用其不需要人工标注标签的优势和和深度神经网络结...
【技术保护点】
1.基于深度网络参数化先验的图像分割方法，其特征在于包括以下步骤：
2.如权利要求1所述的基于深度网络参数化先验的图像分割方法，其特征在于所述步骤S101中损失函数包括重构项和分割项；
3.如权利要求1所述的基于深度网络参数化先验的图像分割方法，其特征在于：所述步骤S102具体为，经过第一个卷积神经网络输出的潜在图像作为特征图，通过使用一个分布函数将特征图的每个像素值转化为0到1的一个分布作为监督第二个卷积神经网络的伪标签，分布函数写为：
4.如权利要求1所述的基于深度网络参数化先验的图像分割方法，其特征在于所述步骤S103，将特征...
【技术特征摘要】
1.基于深度网络参数化先验的图像分割方法，其特征在于包括以下步骤：
2.如权利要求1所述的基于深度网络参数化先验的图像分割方法，其特征在于所述步骤s101中损失函数包括重构项和分割项；
3.如权利要求1所述的基于深度网络参数化先验的图像分割方法，其特征在于：所述步骤s102具体为，经过第一个卷积神经网络输出的潜在图像作为特征图，通过使用一个分布函数将特征图的每...
【专利技术属性】
技术研发人员：李亚峰，邓建辉，何苗，李宁，樊攀，
申请(专利权)人：宝鸡文理学院，
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。