一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法技术

本发明专利技术公开了一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，涉及图像处理技术领域。包括训练阶段和测试阶段，选取多幅原始的镜面场景图像和每幅原始的镜面场景图像对应的深度图及真实语义分割图像，并构成训练集，构建卷积神经网络，将训练集输入至神经网络进行训练，将得到的权值矢量和偏置项作为卷积神经网络分类训练模型的最优权值矢量和最优偏置项，得到卷积神经网络分类训练模型，输入测试集中的待检测的镜面场景图像，模型网络输出原镜面场景图像对应的镜面场景语义分割预测图。本发明专利技术提升了镜面分割的精度和泛化能力。

【技术实现步骤摘要】

本专利技术涉及图像处理，更具体的说是涉及一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法。

技术介绍

1、随着智能交通系统、智能驾驶、增强现实/虚拟现实等技术的不断发展，语义分割在场景理解、目标检测、视觉导航等多个领域发挥着越来越重要的作用。语义分割旨在对输入图像中的每个像素点进行分类，标注出其语义类别，是实现像素级精细化理解的重要基础技术。传统的语义分割方法主要依赖图像的浅层特征，如纹理、颜色等，以及手工设计的结构特征，但由于只能获取表层视觉线索，因此得到的分割结果相对粗糙，缺乏丰富的语义信息，无法满足实际应用的需求。

2、为提高分割精度和语义信息的丰富性，研究人员将深度学习技术引入语义分割任务。作为一种端到端的数据驱动方法，深度学习模型能够直接从大量原始数据中自动学习特征表示，从而避免了人工设计冗长的分类器流程。更重要的是，深度神经网络具有层次化的结构，能够从底层像素逐步学习到高层语义概念，极大地提高了像素级别分类任务的精度和效率。全卷积神经网络(fully convolutionalnetwork,fcn)凭借其不依赖全本文档来自技高网...

【技术保护点】

1.一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，包括训练阶段和测试阶段两个过程；其中，

2.根据权利要求1所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

3.根据权利要求2所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

4.根据权利要求3所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

5.根据权利要求4所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，...

【技术特征摘要】

1.一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，包括训练阶段和测试阶段两个过程；其中，

2.根据权利要求1所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

3.根据权利要求2所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

4.根据权利要求3所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，

5.根据权利要求4所述的一种基于双重对比知识蒸馏的镜像语义分割轻量级洞察网络的图像分割方法，其特征在于，...

【专利技术属性】
技术研发人员：钱小鸿，韩振兴，
申请(专利权)人：银江技术股份有限公司，
类型：发明
国别省市：