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：江苏大学

摘要：本发明公开一种基于改进DeepLab的果园场景多类别实时分割方法，涉及语义分割和计算机视觉领域。首先选择数据集；构建一种基于DeepLab模型的改进模型，使用改进的轻量化网络MobileNetV3作为网络主干，用来对图像的特征提取，可以减少网络模型的计算量和运算时间；采用可变形的HDCHybridDilatedConvolution，混合扩张卷积代替原有的空洞卷积，可以有效缓解空间信息丢失问题，避免了网格效应，对改进后的模型进行训练和验证，采用新的果园场景图像，作为输入送至改进后的模型检测，通过DenseCRFdenseconditionalrandomfield的后处理得到最终的分割结果。本发明对果园环境下的多类别目标进行实时分割检测，有利于无人农机在果园的安全运行和人员安全。

主权项：1.一种基于改进DeepLab的果园场景多类别实时分割方法，其特征在于，包括如下步骤：步骤1：构建果园场景下多类别图像的数据集；步骤2：在TensorFlow深度学习框架上，搭建基于改进DeepLab的语义分割模型；步骤3：将模型中的参数初始化以得到预训练模型；步骤4：通过步骤1中的数据集对所建立的模型进行训练；步骤5：采用ZED双目立体相机拍摄新的果园场景图像，并输入至语义分割模型检测和识别；所述步骤1的具体过程为：1.1采用ZED双目摄像头，将其装在履带式喷雾机上，通过上位机拍摄大量不同条件下果园场景视频，并按一定帧数抽取图片，按照3:1:1的比例分为训练集、验证集和测试集，三者没有交集；1.2对抽取的所有图片进行标注，标注的对象为所要分割的植株、行人等障碍物目标；1.3通过翻转、平移、尺度、对比度变换等方法对训练集进行预处理，并且进行特征缩放，使得所有特征在同一数量级；所述步骤2的具体过程为：2.1将MobileNetV3最后的1x1卷积层移除后代替原来的Xception网络作为基础网络，用来特征提取；2.2采用HDC代替原有的空洞卷积，以解决空洞卷积所带来的空间信息丢失问题，会造成网格效应，边缘信息作为分割的很直观的评判标准；2.3在HDC的池化层加入一个offset函数，即添加了位移变量，这个变量根据数据的情况学习，偏移后，卷积核的每个点产生可伸缩的变化，从而改变了感受野的范围，感受野成了一个多边形，或者，卷积核的每个方块产生可伸缩的变化，从而改变了感受野的范围，感受野成了一个不规则形状，生成可变形的HDC，更适应于不同形状对象的特征定位捕获。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于改进DeepLab的果园场景多类别实时分割方法