一种基于深度神经网络驱动的自适应图层分割方法

本发明公开了一种基于深度神经网络驱动的自适应图层分割方法，通过获取数据库中多场景图像数据，对多场景图像数据进行预处理，得到初始多场景图像数据；建立基础神经网络模型，基础神经网络模型至少包括多个卷积层、池化层和全连接层；在基础神经网络模型的中间层，设计多模态特征融合模块，在基础神经网络模型的卷积层之后插入注意力模块；使用不同大小的卷积核构建金字塔结构，得到目标神经网络模型；将初始多场景图像数据输入至目标神经网络模型中进行训练；通过目标神经网络模型分析图像的特征，对图像进行图层分割，对初步图像分割结果进行形态学处理，去除分割结果中的噪声和小空洞，得到自适应图层分割结果。大幅提升分割准确率。