申请/专利权人：河南大学

申请日：2021-09-09

公开（公告）日：2024-06-25

公开（公告）号：CN113762271B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/774;G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.12.24#实质审查的生效;2021.12.07#公开

摘要：本申请提供一种基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统，该方法包括：对预处理后的SAR图像进行分割，得到目标训练集未标注图像和目标训练集标注图像，其中，所述目标训练集标注图像为根据预设的分类标签，对所述目标训练集未标注图像进行类别标注得到；基于最大类间方差法，对所述不规则卷积核神经网络模型的卷积核的权值进行自适应阈值分割，得到自适应激活函数；基于所述不规则卷积核神经网络模型，对预处理后的SAR图像进行语义分割，得到语义分割后的SAR图像；所述不规则卷积核神经网络模型为：基于所述自适应激活函数和所述卷积核构建，并根据所述目标训练集未标注图像和所述目标训练集标注图像进行训练得到。

主权项：1.一种基于不规则卷积核神经网络模型的SAR图像语义分割方法，其特征在于，包括：步骤S10、对预处理后的SAR图像进行分割，得到目标训练集未标注图像和目标训练集标注图像，其中，所述目标训练集标注图像为根据预设的分类标签，对所述目标训练集未标注图像进行类别标注得到；步骤S20、基于最大类间方差法，对所述不规则卷积核神经网络模型的卷积核的权值进行自适应阈值分割，得到自适应激活函数；所述自适应激活函数为： ，其中，代表自适应激活函数，表示所述卷积核的权值，为所述权值的阈值；所述不规则卷积核神经网络模型为：基于所述自适应激活函数和所述卷积核构建，并根据所述目标训练集未标注图像和所述目标训练集标注图像进行训练得到；步骤S30、基于所述不规则卷积核神经网络模型，对预处理后的SAR图像进行语义分割，得到语义分割后的SAR图像；所述不规则卷积核神经网络模型包括：输入层、下采样部分、上采样部分；所述输入层，用于获取符合所述不规则卷积核神经网络模型要求的输入图像，所述输入图像为所述预处理后的SAR图像、所述目标训练集未标注图像、目标训练集标注图像中任意一种；所述下采样部分用于对所述输入图像进行特征提取和特征压缩；所述上采样部分用于对所述下采样部分的输出图像进行上采样以及特征融合处理；所述下采样部分包括若干个依次连接的特征提取模块，每个所述特征提取模块包括卷积层和所述自适应激活函数；所述自适应激活函数用于对所述卷积层的输出特征图进行自适应激活；所述特征提取模块通过所述卷积层和所述自适应激活函数，依次对所述输入层的输入图像或者上一层所述特征提取模块输出的提取特征图进行卷积和自适应激活处理，得到当前所述特征提取模块对应的提取特征图；相邻的两个所述特征提取模块之间配置有特征压缩模块，所述特征压缩模块用于对上一层所述特征提取模块对应的所述提取特征图进行最大化池化操作，得到压缩特征图。

全文数据：

权利要求：

百度查询： 河南大学 基于不规则卷积核神经网络模型的SAR图像语义分割方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD