摘要
本发明涉及一种边界增强网络图像语义分割方法、系统、设备和介质。方法包括:获取待分割的目标图像;将目标图像输入至图像分割模型的骨干网络,从目标图像中提取多种不同尺度的目标特征;选择至少三种尺度的目标特征,针对选择的每一种尺度的目标特征:将目标特征输入至图像分割模型的渐进语义识别网络,基于不同膨胀率的空洞卷积对目标特征进行多尺度特征增强,得到该尺度的目标特征对应的空洞卷积特征;将各个尺度的空洞卷积特征输入至图像分割模型的边界增强网络,对各个空洞卷积特征进行多尺度特征聚合,生成目标掩码;基于目标掩码对目标图像中的目标物体进行分割。本发明提升了图像分割的准确度。
技术关键词
卷积特征
图像语义分割方法
图像分割模型
空洞
多尺度特征
视觉特征
融合特征
特征学习网络
归一化模块
分支
电子设备
物体
分割系统
特征提取模块
系统为您推荐了相关专利信息
异常检测方法
多尺度特征融合
通道注意力机制
局部注意力机制
皮革
序列预测模型
能源管理方法
发电量
微电网系统
多尺度特征提取
画质评价方法
场景特征
语义特征
多尺度特征提取
特征提取器
语义变化检测方法
融合特征
残差网络
特征提取模块
多尺度特征金字塔
版面分析方法
报纸
空间金字塔池化
语义
实例分割