专利汇可以提供一种基于图像语义分割的损失函数及其设计方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于图像语义分割的损失函数及其设计方法。本发明步骤如下:1。参数wi的确立。在网络训练过程中,从标签标注信息中提取此张图片中包含的语义类别个数n以及每个语义类别在图片中所占的面积s。在得到此两种标签信息后,将面积从大到小排列,并分别计算最大面积与各个面积之间的倍数,而后再将这些倍数关系归一化到[1,n]之间,即训练时每个损失函数计算时,不同类别对应的权重取值wi。2.参数Υ的确立。首先确定Υ>0,而后在网络训练过程中通过网格寻优的方式,对Υ的值进行进一步的确立。本发明设计损失带有权重的损失函数进行改进,以使训练的 卷积神经网络 得到更好的 图像分割 效果。,下面是一种基于图像语义分割的损失函数及其设计方法专利的具体信息内容。
1.一种基于图像语义分割的损失函数,其特征在于该损失函数如下所示:
式中,yi为像素点i的类别标签, 为像素点i的yi的预测概率,当 越大,说明输出越接近于正确的预测,此时Loss越接近于0;在损失函数中,加入对每个像素点的计算权重其中Υ>0;参数wi为像素点i属于不同类别时,Loss计算过程中所应分配的权重,其大小由标签数据中,各个类别所占的面积决定,当图片中的某一语义类别在整幅图片中所占面积较小时,wi的数值便会相应增加,以使得网络的学习能够更加关注于这一小的语义对象。
2.根据权利要求1所述的一种基于图像语义分割的损失函数的设计方法,其特征在于该损失函数相关参数的设计方式包括以下步骤:
步骤1:参数wi的确立;在网络训练过程中,通常的监督学习都会有每张图片对应的标签标注信息,可以从标签标注信息中提取此张图片中包含的语义类别个数n以及每个语义类别在图片中所占的面积s;在得到此两种标签信息后,将面积从大到小排列,并分别计算最大面积与各个面积之间的倍数,而后再将这些倍数关系归一化到[1,n]之间,即为训练时,每个损失函数计算时,不同类别对应的权重取值wi;
步骤2:参数Υ的确立;首先确定Υ>0,而后在网络训练过程中,通过网格寻优的方式,对Υ的值进行进一步的确立。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
生成自动驾驶策略的方法和装置 | 2020-05-08 | 355 |
基于联合学习的司法知识图谱构建方法 | 2020-05-11 | 403 |
基于联邦学习的孤立森林模型构建和预测方法和装置 | 2020-05-13 | 907 |
基于长短期记忆网络的梯级水电站发电量预测方法 | 2020-05-11 | 517 |
一种文本标签提取系统 | 2020-05-12 | 735 |
一种用于5G系统的智慧组网方法 | 2020-05-08 | 575 |
基于伪标签方法和弱监督学习的过程数据故障分类方法 | 2020-05-08 | 711 |
基于深度学习的文档自动归类及光学字符识别方法及系统 | 2020-05-08 | 424 |
一种基于图像语义分割的损失函数及其设计方法 | 2020-05-12 | 676 |
FPGA电路的负载建模方法 | 2020-05-08 | 1016 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。