摘要
一种利用双分支边界混合网络指导城市场景语义分割的方法,步骤包括:步骤一、为RGB图像构造高效的主干分支网络确保其在网络更轻量情况下保持提取完整的语义信息的能力;步骤二、为热红外图像构建边界信息提取分支,通过边界信息补充RGB图像在提取语义信息时的细节信息损耗;步骤三、构建双分支混合模块来融合主干分支和边界分支的信息,并通过注意力机制对混合的特征进行微调来保证融合特征的信息高可用性;步骤四、设计更高效的混合损失函数针对整体网络架构的不同分支进行约束,并在总损失函数中融合了困难样本挖掘的思想来更有效的分割出以往工作中难以实现的困难场景。
技术关键词
分支
困难样本挖掘
场景语义分割
融合特征
混合损失函数
混合网络
注意力机制
混合模块
图像
损失函数设计
网络架构
语义特征
像素点
金字塔结构
深度学习技术
深度神经网络
边界特征
系统为您推荐了相关专利信息
预训练模型
信息抽取方法
多模态特征
注意力机制
布局特征
柔性压力传感器
语音识别系统
信号处理模块
信号调制模块
柔性传感器
智能扫地机器人
锂离子电池
混合损失函数
充放电循环次数
分类系统
视频帧特征
跨模态学习
时序特征
融合特征
定位方法
识别预警方法
肉鸡
特征提取网络
多分支
特征提取算法