摘要
本发明公开了一种基于深度语义分割优化模型的图像分割方法,特点是根据预设的训练参数,使用公开的语义分割数据集VOC2012的训练集根据交叉熵损失函数对设置有编码器的待训练的深度语义分割模型进行训练,获取每一轮次训练得出的权重文件,基于公开的语义分割数据集VOC2012的验证集对所有权重文件进行验证,筛选出mIoU值最高的权重文件,得到该权重文件所对应的预训练的深度语义分割模型;通过基于语义类别和区域边界偏差修正的优化方法或基于局部噪声消除的优化方法对预训练的深度语义分割模型进行优化,得到优化后的深度语义分割优化模型;将待检测的图像输入至深度语义分割优化模型中进行语义分割,得到语义分割结果;优点是提高了语义分割精度。
技术关键词
语义分割模型
图像分割方法
节点
sigmoid函数
语义特征
邻居
编码器
训练集
坐标
传播算法
深层特征提取
元素
参数
索引
上采样
数据
噪声
像素点
系统为您推荐了相关专利信息
困难样本挖掘
医学图像分割
CT扫描图像
深度学习模型
编码器
数据融合方法
语义标签
节点
多尺度语义特征
LiDAR点云
控制策略模型
主动配电网电压
电压调节设备
多时间尺度
调控方法