买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江西理工大学南昌校区

摘要：本发明公开了一种道路场景图像分割方法及系统，涉及计算机视觉理解技术领域，方法包括：将输入图像输入细节支路得到细节特征图，细节支路包括卷积层组、PCSD卷积单元，PCSD卷积单元包括并联设置的局部卷积支路、周围支路组，用于把局部卷积支路和周围支路组分别提取的特征进行逐像素点相加输出细节特征矩阵；将输入图像输入语义支路得到语义特征图，语义支路包括深度可分离卷积层组、ConvNeXT卷积单元，ConvNeXT卷积单元用于进行语义特征提取；将细节特征图和语义特征图输入聚合层中融合得到融合特征图，本发明能够解决现有技术中基于传统的双支路网络BiseNetv2网络进行图像分割，细节支路的细节信息以及语义支路的语义信息提取效果差的技术问题。

主权项：1.一种道路场景图像分割方法，其特征在于，所述道路场景图像分割方法包括：对输入的原始图像进行预处理，得到输入图像；将所述输入图像输入细节支路得到细节特征图，所述细节支路包括卷积层组、以及嵌于所述卷积层组内的PCSD卷积单元，所述卷积层组用于对输入图像进行下采样形成第一降采图像，所述PCSD卷积单元包括并联设置的局部卷积支路、周围支路组，用于把所述局部卷积支路和所述周围支路组对第一降采图像分别提取的特征进行逐像素点相加并通过ReLU激励层处理输出细节特征矩阵，其中，所述局部卷积支路为改进的Non-bottleneck-1D卷积层，所述周围支路组中嵌入扩张卷积层，所述改进的Non-bottleneck-1D卷积层包括并联设置的跳跃连接子支路和Non-bottleneck-1D卷积子支路，用于将所述第一降采图像分别输入所述Non-bottleneck-1D卷积子支路和所述跳跃连接子支路，以使得所述Non-bottleneck-1D卷积子支路卷积输出的待融合特征图，与所述跳跃连接子支路输出的所述第一降采图像进行逐像素点相加，得到特征图，所述Non-bottleneck-1D卷积子支路包括Non-bottleneck-1D卷积层以及嵌入在所述Non-bottleneck-1D卷积层内的BN层和ReLU激励层，所述Non-bottleneck-1D卷积层包括层叠设置的大小为3×1的第一标准1D卷积层、大小为1×3的第二标准1D卷积层、大小为3×1的第三标准1D卷积层以及大小为1×3的第四标准1D卷积层，在所述第一标准1D卷积层和所述第三标准1D卷积层的输出端分别嵌入ReLU激励层，在所述第二标准1D卷积层的输出端嵌入BN层和ReLU激励层，在所述第四标准1D卷积层的输出端嵌入BN层；将所述输入图像输入语义支路得到语义特征图，所述语义支路包括深度可分离卷积层组，以及嵌于所述深度可分离卷积层组内的ConvNeXT卷积单元，所述深度可分离卷积层组用于对输入图像进行下采样形成第二降采图像，所述ConvNeXT卷积单元用于对第二降采图像进行语义特征提取，包括：所述深度可分离卷积层组包括依次堆叠设置的第一深度可分离卷积层、第二深度可分离卷积层、第三深度可分离卷积层、第四深度可分离卷积层以及第五深度可分离卷积层，在所述第二深度可分离卷积层的输入端和输出端分别嵌入3个ConvNeXT卷积单元，在所述第四深度可分离卷积层的输入端嵌入9个ConvNeXT卷积单元，以及输出端嵌入6个ConvNeXT卷积单元，在所述第五深度可分离卷积层的输出端嵌入3个ConvNeXT卷积单元；将所述细节特征图和所述语义特征图输入聚合层中融合得到融合特征图，包括：将所述细节特征图分别输入第一聚合支路和第二聚合支路中输出第一细节特征子图和第二细节特征子图，将所述语义特征图分别输入第三聚合支路和第四聚合支路中输出第一语义特征子图和第二语义特征子图，将所述第一细节特征子图与所述第一语义特征子图进行逐像素点相乘得到第一融合特征子图，将所述第二细节特征子图与所述第二语义特征子图进行逐像素点相乘，并经过尺寸变换层，输出第二融合特征子图，将所述第一融合特征子图和所述第二融合特征子图进行逐像素点相加，再依次经过第四常规卷积层和BN层，输出融合特征图。

全文数据：

权利要求：

百度查询： 江西理工大学南昌校区 一种道路场景图像分割方法及系统