一种基于空洞卷积的并行空间金字塔模型图像分割方法与流程

技术特征：
1.一种基于空洞卷积的并行空间金字塔模型图像分割方法，其特征在于包括如下步骤：步骤1、提取输入图像特征：对于给定的输入图像，通过残差网络提取得到特征图；步骤2、构建并行空间金字塔模型：步骤3、特征图拼接：在得到并行空间金字塔模型中不同感受野下的特征图后，将其与步骤1中得到的特征图拼接在一起，得到一个多维特征图；步骤4、输出分割结果图：将多维特征图经过卷积降维后，使用softmax函数得到分割结果图。2.根据权利要求1所述的一种基于空洞卷积的并行空间金字塔模型图像分割方法，其特征在于所述步骤1中的残差网络主要由残差块来实现，其公式表示为：h(x)＝f(x) x
ꢀꢀꢀꢀ
(1)其中x表示输入图像，f(x)表示经过两个卷积层后的特征图，h(x)表示残差块的输出；残差块以跳层连接的形式实现，将该残差块的输入与卷积结果融合后再输出。3.根据权利要求2所述的一种基于空洞卷积的并行空间金字塔模型图像分割方法，其特征在于步骤2基于步骤1提取得到特征图，处理分为两个部分：第一部分设置不同空洞率的空洞卷积来进行空间金字塔模型的构建，具体来说，通过不同空洞率的空洞卷积来处理特征图，得到四种具有不同感受野的金字塔组成特征图，在保证分辨率不变的情况下增加感受野；第二部分将步骤1提取得到特征图通过二维自适应平均池化操作，分别获得不同分辨率的特征图，分别包含不同感受野的特征信息；然后将不同分辨率的特征图经过双线性插值上采样到输入特征图分辨率大小。4.根据权利要求3所述的一种基于空洞卷积的并行空间金字塔模型图像分割方法，其特征在于步骤2中所提到的空洞卷积通过以下公式执行：其中r表示空洞率，i是输入的特征信息所在的位置坐标；空洞卷积中特征信息的坐标滑动与卷积核并不同步，而是保持线性的距离改变；简化来说类似于在卷积核变量中插入r
‑
1个零值来实现；而标准的卷积操作是在不进行补零值的条件下执行的，即r＝1；通过修改空洞率的大小可以修改不同卷积操作的感受野以丰富细节信息；在设置空洞率为r后的卷积核尺寸可计算为：n＝k (k
‑
1)*(r
‑
1)
ꢀꢀꢀꢀ
(3)其中n表示空洞卷积核尺寸，k表示原卷积核的大小；空洞卷积还可以控制在特征提取阶段中计算特征响应的密集程度；输出步幅是由输入图像和输出特征图的分辨率比值定义的，由此获得全局信息和密集的图像特征；假设步长为s，填充数为p，输入图像的分辨率为size
i
，则经过空洞卷积后特征图的分辨率o由以下公式给出：
进一步的，步骤4中提到的softmax函数有以下公式给出：其中k1表示神经网络的多个输出或类别数，u为输出向量，u
j
为u中第j个输出或类别的值,i1表示当前需要计算的类别，计算结果在0到1之间，且所有类别的softmax值求和为1。5.根据权利要求4所述的一种基于空洞卷积的并行空间金字塔模型图像分割方法，其特征在于步骤3所述的并行空间金字塔模型得到的特征图包括第一部分得到的金字塔组成特征图和第二部分经过双线性插值上采样后的特征图。

技术总结
本发明公开了一种基于空洞卷积的并行空间金字塔模型图像分割方法。本发明包括如下步骤：步骤1、提取输入图像特征：对于给定的输入图像，通过残差网络提取得到特征图；步骤2、构建并行空间金字塔模型：步骤3、特征图拼接：在得到并行空间金字塔模型中不同感受野下的特征图后，将其与步骤1中得到的特征图拼接在一起，得到一个多维特征图；步骤4、输出分割结果图：将多维特征图经过卷积降维后，使用softmax函数得到分割结果图。本发明结合空洞卷积和空间金字塔模型在获取不同感受野的特征图的同时极大的补足细节特征，提高图像分割结果的精确度。确度。确度。


技术研发人员：颜成钢 裘健鋆 路荣丰 孙垚棋 张继勇 李宗鹏
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.06.29
技术公布日：2021/10/23