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：江南大学

摘要：本发明公开了一种基于卷积神经的海洋船舶图像分割方法，属于深度学习图像分割技术领域；所述方法将空洞卷积、压缩激励网络和U‑net进行结合构建编码‑解码网络，将海洋船舶图像预处理后输入所述编码‑解码网络进行分割处理；分割处理过程中由于解码层结合上采样的各层信息和上采样的输入信息来还原细节信息，并且逐步还原图像精度，大大减少了图片在训练过程中细节信息的损失，而且压缩激励网络将注意力集中在显著特征上，抑制了输入图像的不相关区域，使通道间具有更多的非线性，可以更好地拟合通道间的复杂的相关性极大的减少了参数量和计算量，提高了分割效率和分割准确率，更利于对海洋上船舶进行定位。

主权项：1.一种基于卷积神经的海洋船舶图像分割方法，其特征在于，所述方法将空洞卷积、压缩激励网络和U-net进行结合构建编码-解码网络，将海洋船舶图像预处理后输入所述编码-解码网络进行分割处理；所述编码-解码网络包括依次连接的编码层、压缩激励模块和解码层，其中编码层和解码层之间添加跳跃连接；分割处理过程中将海洋船舶图像输入至编码-解码网络的编码层，得到编码层对应的特征图，将编码层对应的特征图输入至压缩激励模块得到概率图，将概率图输入解码块得到解码块对应的特征图；最后将编码层对应的特征图与概率图同时与解码块对应的特征图进行拼接得到分割结果图；所述编码-解码网络包括编码块、解码块和压缩激励模块，所述压缩激励模块包含全局池化层、2个全连接层和一个sigmoid层；全局池化层用于将压缩操作变成1×1结构，2个全连接层中一个用于降维，降维后经过修正线性单元激活后再通过另一个全连接层进行升维；使用训练样本训练该编码-解码网络时，首先将训练样本输入编码层，训练样本输入至编码块中得到对应的特征图，将该编码块对应的特征图输入压缩激励模块，压缩激励模块在该编码块对应的特征图的RGB通道中添加三个通道之间的关联信息，以减少通道之间的依赖；编码块对应的特征图输入压缩激励模块后，使用全局池化层将压缩操作变成1×1结构，接着通过一个全连接层将编码块对应的特征图的特征维度降至输入的116，然后经过修正线性单元激活后再通过一个全连接层将其升回到原先的维度，两个全连接层能连接通道间的相关性，编码块对应的特征图输入压缩激励模块后得到概率图，将概率图输入解码块得到解码块对应的特征图。

全文数据：

权利要求：

百度查询： 江南大学 一种基于卷积神经的海洋船舶图像分割方法