摘要
本申请涉及深度学习技术领域,特别涉及一种基于层级共享架构搜索的轻量级RGB‑D图像语义分割方法,包括:构建并预训练双分支轻量级骨干网络;构建适用于RGB‑D图像语义分割的分层的单元级搜索空间,最终得到跨模态多尺度特征自适应融合网络;将双分支轻量级骨干网络的第三层、第四层和第五层的输出,输入至跨模态多尺度特征自适应融合网络中进行搜索,并使用梯度下降的优化算法进行优化,得到最优的跨模态多尺度特征自适应融合网络;将双分支轻量级骨干网络的第三层、第四层和第五层的输出,输入至最优的跨模态多尺度特征自适应融合网络进行重新训练,得到对多模态输入图像的语义分割结果。该方法实现了语义分割精度与速度之间的平衡。
技术关键词
多尺度特征
图像语义分割方法
网络
分支
全局平均池化
跨模态
空洞
动态
节点
模块
上采样
层级
浅层特征提取
语义特征提取
模组
残差结构
通道
分辨率
系统为您推荐了相关专利信息
试飞数据
舵机
电液伺服阀阀芯
液压
故障监控方法
开路故障诊断方法
三相逆变器
深度迁移学习
卷积神经网络模型
样本
网络流量异常检测方法
数据特征提取
层级
加密网络流量
知识图谱构建
医学图像分割方法
网络
医学图像数据
FCM聚类算法
非暂态计算机可读存储介质