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：本发明公开一种基于深度学习的图像分割方法，首先，构建语义分割模型；该语义分割模型由骨干网络、XY网络和全卷积解码网络组成；骨干网络的输入形成语义分割模型的输入，骨干网络的输出连接XY网络的输入，XY网络的输出连接全卷积解码网络的输入，全卷积解码网络的输出语义分割模型的输出；然后，利用已分割好的样本图像集对步骤1所构建的语义分割模型进行训练，得到训练好的语义分割模型；最后，将待分割的图像送入到步骤2所得到的训练好的语义分割模型中，训练好的语义分割模型输出分割好的图片。本发明的XYNet在鲁棒性，评价指标，推理速度，模型大小，推理浮点计算数以及图像的可视化结果上都取得了不错的效果，相对于现有的网络均衡性更强。

主权项：1.一种基于深度学习的图像分割方法，其特征是，包括步骤如下：步骤1、构建语义分割模型；该语义分割模型由骨干网络、XY网络和全卷积解码网络组成；骨干网络的输入形成语义分割模型的输入，骨干网络的输出连接XY网络的输入，XY网络的输出连接全卷积解码网络的输入，全卷积解码网络的输出语义分割模型的输出；上述骨干网络由2个卷积层、4个瓶颈层、9个过渡层、9个分支层、3个融合层、4个双线性插值层和1个连接层组成；其中：第1个卷积层的输入形成骨干网络的输入；第1个卷积层的输出接第2个卷积层的输入，第2个卷积层的输出接第1个瓶颈层的输入，第1个瓶颈层的输出接第2个瓶颈层的输入，第2个瓶颈层的输出接第3个瓶颈层的输入，第3个瓶颈层的输出接第4个瓶颈层的输入；第4个瓶颈层的输出分别接第1个过渡层和第2个过渡层的输入；第1个过渡层的输出接第1个分支层的输入，第2个过渡层的输出接第2个分支层的输入；第1个分支层和第2个分支层的输出同时接第1个融合层的输入；第1个融合层的输出分别接第3个过渡层、第4个过渡层和第5个过渡层的输入；第3个过渡层的输出接第3个分支层的输入，第4个过渡层的输出接第4个分支层的输入，第5个过渡层的输出接第5个分支层的输入；第3个分支层、第4个分支层和第5个分支层的输出同时接第2个融合层的输入；第2个融合层的输出分别接第6个过渡层、第7个过渡层、第8个过渡层和第9个过渡层的输入；第6个过渡层的输出接第6个分支层的输入，第7个过渡层的输出接第7个分支层的输入，第8个过渡层的输出接第8个分支层的输入，第9个过渡层的输出接第9个分支层的输入；第6个分支层、第7个分支层、第8个分支层和第9个分支层的输出同时接第3个融合层的输入；第3个融合层的输出同时接第1个双线性插值层、第2个双线性插值层、第3个双线性插值层和第4个双线性插值层的输出；第1个双线性插值层、第2个双线性插值层、第3个双线性插值层和第4个双线性插值层的输出同时接连接层的输入；连接层的输出形成骨干网络的输出；上述XY网络由15个卷积层、4个上采样层、5个通道注意力层、5个合并层和1个连接层组成；其中：第1个卷积层、第2个卷积层、第5个卷积层、第8个卷积层、第11个卷积层和第14个卷积层的输入共同形成XY网络的输入；第1个卷积层的输出接第1个合并层、第2个合并层、第3个合并层和第4个合并层的其中一个输入；第2个卷积层的输出接第3个卷积层的输入，第3个卷积层的输出接第1个上采样层的输入，第1个上采样层的输出接第1个合并层的另一个输入；第1个合并层的输出接第1个通道注意力层的输入，第1个通道注意力层的输出接第4个卷积层的输入；第5个卷积层的输出接第6个卷积层的输入，第6个卷积层的输出接第2个上采样层的输入，第2个上采样层的输出接第2个合并层的另一个输入；第2个合并层的输出接第2个通道注意力层的输入，第2个通道注意力层的输出接第7个卷积层的输入；第8个卷积层的输出接第9个卷积层的输入，第9个卷积层的输出接第3个上采样层的输入，第3个上采样层的输出接第3个合并层的另一个输入；第3个合并层的输出接第3个通道注意力层的输入，第3个通道注意力层的输出接第10个卷积层的输入；第11个卷积层的输出接第12个卷积层的输入，第12个卷积层的输出接第4个上采样层的输入，第4个上采样层的输出接第4个合并层的另一个输入；第4个合并层的输出接第4个通道注意力层的输入，第4个通道注意力层的输出接第13个卷积层的输入；第1个卷积层、第4个卷积层、第7个卷积层、第10个卷积层和第13个卷积层的输出接连接层的输入，连接层的输出接第15个卷积层的输入；第15个卷积层的输出接第5个合并层的其中一个输入；第14个卷积层的输出接第5个合并层的另一个输入；第5个合并层的输出接第5个通道注意力层的输入，第5个通道注意力层的输出形成XY网络的输出；步骤2、利用已分割好的样本图像集对步骤1所构建的语义分割模型进行训练，得到训练好的语义分割模型；步骤3、将待分割的图像送入到步骤2所得到的训练好的语义分割模型中，训练好的语义分割模型输出分割好的图片。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种基于深度学习的图像分割方法