Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于语义分割的占用网络训练方法、系统及电子设备 

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!

摘要:本申请公开了一种基于语义分割的占用网络训练方法、系统及电子设备,该方法包括:获取车载图像数据,提取车载图像数据中的体素特征;构建实例查询特征,基于实例查询特征与体素特征,计算体素‑实例概率矩阵;基于体素‑实例概率矩阵,选取若干体素特征划分至实例查询特征,生成实例归属集索引;当判定归属于任一实例查询特征的体素特征的数量不为0时,基于划分至相应实例查询特征的体素特征,计算中心文本语义特征;基于体素特征,利用语义预测网络,进行语义预测,生成语义预测特征;基于语义预测特征、中心文本语义特征,计算实例级语义损失函数,对占用网络进行训练。通过本申请中的技术方案,有助于实现利用纯视觉数据对占用网络进行训练。

主权项:1.一种基于语义分割的占用网络训练方法,其特征在于,所述方法包括:步骤1:获取车载图像数据,并提取车载图像数据中的体素特征;步骤2:构建实例查询特征,并基于实例查询特征与体素特征,计算体素-实例概率矩阵;步骤3:基于体素-实例概率矩阵,选取若干体素特征划分至实例查询特征,生成实例归属集索引;步骤4:当判定归属于任一实例查询特征的体素特征的数量不为0时,基于划分至相应实例查询特征的体素特征,计算中心文本语义特征;步骤5:基于体素特征,利用语义预测网络,进行语义预测,生成语义预测特征;步骤6:基于语义预测特征、中心文本语义特征,计算实例级语义损失函数,并利用实例级语义损失函数对占用网络进行训练。

全文数据:

权利要求:

百度查询: 元橡科技(北京)有限公司 基于语义分割的占用网络训练方法、系统及电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。