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：暨南大学

摘要：本发明涉及基于上下文信息聚合和辅助学习的轻量级语义分割方法及系统，其方法包括步骤：S1、获取图像，对图像进行预处理，得到输入图像；S2、构建语义分割网络，语义分割网络包含上下文信息聚合模块和两阶段可分离卷积模块；S3、对语义分割网络进行训练，得到训练后的语义分割网络；S4、利用训练后的语义分割网络对输入图像进行处理，得到语义分割结果图。本发明引入了多尺度上下文并行聚合模块，在提高少量参数量的前提下均衡地提升了单向架构在大多数类别上的分割精度，在降低尽量少的分割精度的情况下，提高了语义分割网络整体的推断效率，还引入了辅助分支损失函数提升语义分割网络训练时的收敛速度，并且该分支不影响推断过程的推断速度。

主权项：1.基于上下文信息聚合和辅助学习的轻量级语义分割方法，其特征在于，包括以下步骤：S1、获取图像，对图像进行预处理，得到输入图像；S2、构建语义分割网络，语义分割网络包含上下文信息聚合模块和两阶段可分离卷积模块；S3、对语义分割网络进行训练，得到训练后的语义分割网络；S4、利用训练后的语义分割网络对输入图像进行处理，得到语义分割结果图；步骤S3中对语义分割网络进行训练的具体过程如下：S31、通过对输入的训练图像进行预处理得到输入图像和真实标记图像；S32、通过使用语义分割网络对输入图像进行特征提取和处理得到输入图像的语义分割图像；S33、通过交叉熵损失函数对语义分割图像和真实标记图像GT进行损失计算，得到交叉熵损失；S34、通过将下采样卷积层输出的特征图输入第一辅助分支进行加权辅助损失函数计算，得到加权的第一辅助分支损失，通过将特征融合输出的特征图输入第二辅助分支进行损失函数计算，得到加权的第二辅助分支损失；S35、根据交叉熵损失函数、第一加权辅助分支损失函数和第二加权辅助分支损失函数，得到总损失函数；S36、通过总损失函数对语义分割网络模型进行优化；步骤S2中采用Fast-SCNN网络构建语义分割网络，引入上下文信息聚合模块和两阶段深度可分离解码器；并引入辅助分支，在下采样卷积层引入第一辅助损失分支，在特征融合模块引入第二辅助损失分支；步骤S34中加权辅助分支具体为：使用一个自适应平均池化层和一个卷积核为1的卷积层调整中间特征图的分辨率和通道数，使用全连接层编码分类信息，再使用Softmax激活函数输出概率向量，计算辅助损失，在完成网络训练后，删除该辅助损失分支；步骤S36中对语义分割网络模型进行优化的具体过程如下：通过梯度下降方法，使用随机梯度下降配合值为0.9的动量策略作为优化算法，使用L2权重衰减，设定批次大小为4，使用幂次为0.9的多项式学习率调整策略对学习率进行更新。

全文数据：

权利要求：

百度查询： 暨南大学 基于上下文信息聚合和辅助学习的轻量级语义分割方法及系统