摘要
本发明公开了一种基于隧道场景的双分支多尺度建模语义分割方法,包括如下一些步骤:步骤S1,采集隧道内部的掌子面图像,构建像素级标注数据集,通过数据增强提升样本多样性。步骤S2,建立双分支语义分割模型的上下文路径,用残差网络快速下采样提取高维特征,设计空间对称金字塔模块增强语义感知,最后将平均池化上采样与空间金字塔池化特征融合输出。步骤S3,建立双分支语义分割模型的空间路径,对高维特征图下采样并池化处理,加入动态感知上下文模块提取多尺度特征融合输出结果。步骤S4,将获取的特征信息进行特征融合,最终预测分割图像。本发明设计动态上下文感知模块和空间对称金字塔模块,能有效提高复杂场景下多尺度分类的准确性。
技术关键词
语义分割方法
上下文特征
语义分割模型
隧道场景
残差模块
分支
输出特征
像素
残差网络
掌子面
空间金字塔池化
图像
空间特征信息
多尺度特征融合
注意力机制
动态上下文
系统为您推荐了相关专利信息
动态预测方法
动态预测模型
特征提取网络
密度分布特征
可见光图像
阅读理解方法
拼接模块
解码器
阅读理解系统
预训练模型
点云语义分割方法
编码器
语义分割系统
上下文特征
矩阵
语义特征
Sigmoid函数
池化特征
结构特征提取
上下文特征