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：南京航空航天大学;南京航空航天大学苏州研究院

摘要：本发明公开了一种本质特征引导的小样本图像分割增强方法，包括：将小样本图像数据集按照合适的比例划分为训练集和验证集；将训练集输入至先验嵌入式特征增强模块，以边缘特征中包含的上下文语义信息作为先验来增强输入图像；将增强后的输入图像输入至多分布特征学习模块，对增强后的输入图像进行多分布的偏移使用多分支批标准化结构对不同的特征分布进行并行训练，学习不同分布域下的一致性特征；对特征图输入主流的编解码结构的图像分割网络进行特征提取和上卷积层还原，通过与分割标签做损失，训练及反复迭代使得损失函数收敛，获得网络模型参数；通过训练好的分割网络模型进行推理，获得分割结果。本发明有效增强对小样本数据集的分割精度。

主权项：1.一种本质特征引导的小样本图像分割增强方法，其特征在于，包括：获取待分割的小样本图像数据集，并将所述小样本图像数据集按照合适的比例划分为训练集和验证集；将所述训练集输入至先验嵌入式特征增强模块，以边缘特征中包含的上下文语义信息作为先验来增强输入图像；将增强后的输入图像输入至多分布特征学习模块，对所述增强后的输入图像进行多分布的偏移后使用多分支批标准化结构对不同的特征分布进行并行训练，学习不同分布域下的一致性特征，获得特征图；将所述特征图输入主流的编解码结构的图像分割网络进行特征提取和上卷积层还原，将网络输出与分割标签对比来计算损失函数，训练及反复迭代使得损失函数收敛，获得网络模型参数，获得训练好的分割网络模型；通过所述训练好的分割网络模型进行推理，获得分割结果；所述先验嵌入式特征增强模块包括：对输入图像利用边缘检测算法进行边缘提取；将边缘提取的结果以一个超参数q嵌入至输入图像中；对输入图像利用边缘检测算法进行边缘提取的方法为： Sx,y＝Gx,y*fx,y 其中，fx,y为原始输入图像，Gx,y为二阶高斯滤波器，Sx,y为卷积后的图像，Mx,y为每个像素的梯度大小，θx,y为每个像素的方向，G_xx,y和G_yx,y分别是像素点x,y处图像的水平和垂直梯度振幅；将边缘提取的结果以一个超参数q嵌入至输入图像中的方法为：Hx,y＝fx,y+q·Dx,y其中，Hx,y是增强后的图像，Dx,y是边缘检测结果，q是属于[0,1]的超参数；所述多分布特征学习模块包括：将每一种数据变换设置为一个分支，每个分支利用卷积层从该分支的数据变换结果中提取特征且使用独立的BN层对其进行标准化来避免来自不同分支的干扰，并找到一致的统一分布特征；对模型参数进行调整，通过最小化联合分支的总损失来实现最高的分割性能；对所述增强后的输入图像进行多分布的偏移后使用多分支批标准化结构对不同的特征分布进行并行训练，学习不同分布域下的一致性特征，获得特征图的方法为：将所述增强后的输入图像进行多分布域的偏移，获取偏移后的不同分布的输入域；将所述偏移后的不同分布的输入域分别进行批标准化，获取批标准化结果；对所述批标准化结果进行归纳统一，使用concat操作获取统一学习的输入特征图；模型将根据下式确定的BN分支进行训练： 所述损失函数由多分布域并行计算的交叉熵损失加权获得，设置一个权重参数集K＝[a,b,c]，其中为原本干净图像的分布，为噪声分支，a为该分支的权重参数，为旋转分支，b为该分支的权重参数，为对抗攻击分支，c为该分支的权重参数；对各个分支分别求交叉熵损失；各个分支的损失相加，获得损失函数。

全文数据：

权利要求：

百度查询： 南京航空航天大学 南京航空航天大学苏州研究院 一种本质特征引导的小样本图像分割增强方法