首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于边缘引导和动态剪枝的车辆图像分割方法 

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:重庆邮电大学

摘要:本发明涉及一种基于边缘引导和动态剪枝的车辆图像分割方法,属于图像处理领域。利用基于状态空间模型的混合感知编解码网络实现图像浅层和深层语义特征的提取和恢复。混合状态空间模块构建的编码器由状态空间模型分支和混合卷积分支组成,在混合卷积分支中,通过扩张卷积来扩展卷积核的感受野。多尺度边缘引导分支输入收缩路径的编码特征、扩展路径中高层的解码预测特征和高斯拉普拉斯操作的高频特征。通过动态联合剪枝算法联合学习模型权重,构建递归网络对修剪准确性奖励函数的变化进行动态建模,得到模型层压缩率和修剪准确性权衡最优分割模型。本发明不仅能够准确地分割复杂环境下的车辆图像,还能够在资源有限的设备上进行高效部署和运行。

主权项:1.一种基于边缘引导和动态剪枝的车辆图像分割方法,其特征在于:该方法包括以下步骤:S1:利用数据预处理进行图像尺寸调整和图像质量改善,首先将图像调整为统一大小,通过色彩空间转换和亮度对比度调整改变图像的亮度和对比度,利用直方图均衡化、模糊和锐化技术增强图像特征;通过平移、旋转和缩放,镜像翻转和随机裁剪的数据增强技术获得高质量、多样化的车辆分割图像数据集;S2:混合感知编解码网络由补丁嵌入层、混合状态空间模块和补丁合并层构成,实现图像浅层和深层语义特征的提取和恢复;状态空间模块中通过将扩张卷积生成的特征传递到状态空间模型中,利用状态空间模型的状态转换能力来增强特征之间的空间相关性,从而补偿由于空隙而引入的不连续性,同时利用混合卷积捕获上下文信息,提高模型在不丢失图像细节的情况下感知图像不同尺度结构的能力;S3:多尺度边缘引导分支在不同层级的分辨率下保留边缘信息,同时连接混合感知编码器提取特征和解码器预测特征;利用高斯滤波器和拉普拉斯算子实现边缘检测并保存高频细节,通过门控卷积块处理和细化边缘相关信息;S4:设计动态联合剪枝算法联合学习模型权重,利用强化学习代理进行滤波器修剪,将剪枝模型准确性作为代理奖励函数,构建提供当前状态表示的递归网络对奖励函数的变化进行动态建模,迭代训练模型权重和代理策略。

全文数据:

权利要求:

百度查询: 重庆邮电大学 一种基于边缘引导和动态剪枝的车辆图像分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。