专利汇可以提供一种基于层次联合卷积网络特征弱监督图像语义分割方法专利检索,专利查询,专利分析的服务。并且本 发明 属于 计算机视觉 技术领域,涉及 卷积神经网络 、图像语义分割、弱 监督学习 和特征融合等方面,具体为一种基于层次联合卷积网络特征弱监督图像语义分割方法。本发明包括层次掩盖矩阵生成、层次卷积神经网络建立、层次卷积网络特征联合以及层次与联合图像分类损失函数建立并优化等创新性技术。通过将前一层次卷积网络用于分类的显著性区域进行掩盖,迫使后一层次卷积网络提取相对不明显的区域特征并识别目标非主要部分。重复上述步骤,得到多个层次卷积网络分别负责不同显著性区域特征挖掘,然后将各自输出特征图连接到一起组成联合特征图实现更加完整和准确的区域特征挖掘模型。,下面是一种基于层次联合卷积网络特征弱监督图像语义分割方法专利的具体信息内容。
1.一种基于层次联合卷积网络特征弱监督图像语义分割方法,其技术方案如下:
步骤1:确定图像X和对应的输出类别标签y;选择卷积神经网络Φ作为基础模型,图像X输入网络Φ后得到基本特征图
F=Φ(X) (1)
其中h,w和c分别代表基本特征图的长,宽和通道数;
步骤2:将基本特征图F分k个层次掩盖;第i个层次的掩盖矩阵为 掩盖矩阵与基本特征图进行逐通道的乘积得到掩盖特征图:
FMi=F⊙Mi,i=1,2,...,k (2)
其中⊙即为哈达玛乘积,除例外情况,本说明书后文表达式将默认为所有k个个层次;
第1个层次掩盖矩阵的值全部为1:
其它层次掩盖矩阵的值计算方法见步骤7;
步骤3:掩盖特征图分k个层次卷积;第i个层次的卷积网络以Hi表示,相应生成层次特征图
FHi=Hi(FMi) (4)
步骤4:层次特征图经过一次卷积得到分割特征图 其中co表示目标类
别的数量,假设第i层分割卷积核为Ksegi,那么分割特征图的计算方法为:
Fsegi=FHi*Ksegi (5)
其中*表示卷积操作;
步骤5:分割特征图再经过一次卷积得到分类特征图 假设第i层分类卷积核为Kclsi,则分类特征图的表达式为:
Fclsi=Fsegi*Kclsi (6)
步骤6:分类特征图通过全局池化得到分类激活向量 若全局池化操作以Ρ表示,分类激活向量为:
Aclsi=Ρ(Fclsi) (7)
当池化为全局平均池化时,分类激活向量为:
当池化为全局最大池化时,分类激活向量为:
步骤7:再经过Softmax函数映射为分类概率向量Aprobi;第j类的概率为:
步骤8:以分割特征图生成第i+1个层次的掩盖矩阵 首先规范第i个层次分割特征图的值至区间0到1,得到规范特征图
其中ε的作用是保证除法的稳定性;
然后将规范特征图进行阈值分离,得到分离特征图 小于阈值的区
域将被保留,大于阈值的区域将被掩盖:
其中阈值以γ表示;
最后将分离特征图在类别维度求最大值得到下一层次的掩盖矩阵:
步骤9:完成层次卷积网络的建立;判断当前层次等级是否达到最大等级数量k;若满足终止层次卷积,否则重复步骤2-8;
步骤10:联合层次卷积网络;将全部层次卷积网络输出的层次特征图连接到一起得到联合特征图
Fcomb=concate(FH1,FH2,...,FHk) (14)
其中concate表示特征图连接操作,此处在特征图通道维进行;
步骤11:利用联合特征图依次得到联合分割特征图,联合分类特征图,联合分类激活向量和联合分类概率向量;假设联合分割卷积核与联合分类卷积核分别为Kcomb_seg和Kcomb_cls;操作方式与步骤4-7一致:
其中
步骤12:建立图像分类目标函数;目标函数包含层次分类损失函数和联合分类损失函数;两种分类损失函数都是通过各自分类激活向量与类别标签的交叉熵计算得到;层次分类损失函数取平均后与联合分类损失函数权重各为一个单位;具体如下:
其中类比标签y是经过one-hot编码的,仅仅在图像存在目标时取1,其它情况下均取0;
步骤13:以式子为目标函数计算误差损失,通过反向传播算法调整网络Φ,Hi,Ksegi,Kclsi,Kcomb_seg和Kcomb_cls,以Ψ表示以上全部网络和参数组成的模型;其中i介于1到k之间;重复训练s个步长;
步骤14:用训练完成的模型Ψ预测分割结果图 在联合分割特征图的类别通道维度取最大索引作为预测:
Pseg=argmax(Fcomb_seg) (17)
其中argmax作用的维度是第三维,也就是类别维度,因而最终预测分割图降低成二维矩阵。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种降雨预测方法、系统及电子设备 | 2020-05-13 | 779 |
基于深度神经网络的超像素级SAR图像变化检测方法 | 2020-05-13 | 326 |
一种Web攻击检测方法、系统、介质和设备 | 2020-05-17 | 440 |
一种基于BP神经网络的过渡电阻预测方法 | 2020-05-11 | 880 |
一种基于数据融合和BP神经网络的跌倒检测系统及方法 | 2020-05-16 | 611 |
基于自样例增强的超分辨率图像重建方法 | 2020-05-08 | 548 |
基于脑机接口的智能家居控制方法及系统 | 2020-05-16 | 281 |
一种基于批次图像化的卷积自编码故障监测方法 | 2020-05-17 | 34 |
基于多卷积核残差网络的行为识别系统、方法、介质及设备 | 2020-05-11 | 705 |
胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法 | 2020-05-11 | 764 |
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。