买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：卡斯柯信号有限公司

摘要：本发明涉及一种基于有限场景下大目标语义分割模型的轨行区识别方法，该方法包括：步骤S1、确定轨行区识别算法，采用编码器‑解码器的结构模型对图像进行语义分割；步骤S2、筛选特征主干网络模型，选择ResNet残差网络作为主干网络原型架构；步骤S3、重构主干网络架构，添加第一层卷积网络以及三组Block网络；步骤S4、新的主干网路模型层数量为40层；步骤S5、在每一个Block后添加激活层ReLU；步骤S6、采用空洞卷积方式进行编码器结构设计等。与现有技术相比，本发明具有提高了运算速度的同时对轨行区的特征提取更加有效等优点。

主权项：1.一种基于有限场景下大目标语义分割模型的轨行区识别方法，其特征在于，该方法包括：步骤S1、确定轨行区识别算法，采用编码器-解码器的结构模型对图像进行语义分割；步骤S2、筛选特征主干网络模型，选择ResNet残差网络作为主干网络原型架构；步骤S3、重构主干网络架构，添加第一层卷积网络以及三组Block网络；步骤S4、新的主干网路模型层数量为40层；步骤S5、在每一个Block后添加激活层ReLU；步骤S6、采用空洞卷积方式进行编码器结构设计；步骤S7、在编码区的每一分支下都设计一个BatchNormalization用来归一化不同的DilationRate层输出；步骤S8、在归一化三个不同分支的数据后分别添加三个激活层ReLU；步骤S9、在编码器第一个池化层分支添加激活层后进行上采样；步骤S10、将编码器三个分支的输出进行连接，之后添加一个卷积层作为编码器的输出；步骤S11、解码器结构设计，引入主干特征网络中的浅层特征进行拼接；步骤S12、引入的浅层特征作为主干特征网络的第一个Block的最后一组输出，并对该输出进行卷积和参数归一化；步骤S13、将浅层网路输出层分别添加激活层ReLU；步骤S14、编码器输出层添加激活层ReLU之后需要对其进行上采样；步骤S15、将步骤S13和S14的输出层进行连接，并添加上采样层，该采样层的尺寸与输入图像相同，至此恢复完整图像尺寸；步骤S16、将步骤S13的输出层后添加卷积层构建模型，通过该模型判断某个像素是否为轨行区。

全文数据：

权利要求：

百度查询： 卡斯柯信号有限公司 基于有限场景下大目标语义分割模型的轨行区识别方法