一种基于深度学习和聚类的语义图像分割方法及系统

（12）发明专利申请

（21）申请号 CN202010047315.7 （22）申请日 2020.01.16 （71）申请人 西南科技大学

地址 621000 四川省绵阳市涪城区西南科技大学

（10）申请公布号 CN111259904A

（43）申请公布日 2020.06.09

（72）发明人 郭丽;刘知贵;张小乾;白克强;薛旭倩;刘道广;李理;张活力;吴均;付聪;喻琼 （74）专利代理机构 成都行之专利代理事务所(普通合伙)

代理人 张超

（51）Int.CI

权利要求说明书 说明书 幅图

（54）发明名称

一种基于深度学习和聚类的语义图像分割方法及系统

（57）摘要

本发明公开了一种基于深度学习和聚类的

语义图像分割方法和系统，包括以下步骤：S1:通过卷积神经网络，对原图像进行卷积和池化，得到原图像的线性特征矩阵；S2:将所述线性特征矩阵，进行子空间聚类，得到聚类后的特征数据；S3:将所述聚类后的特征数据，通过反卷积和上采样，处理至与原图像相同的像素，得到分割后的图像。本发明将深度神经网络中的卷积神经网络(CNN)与子空间聚类相结合，又用稀疏子空间替代

CNN中全连接层的方式，解决了现有技术中语义图像分割计算复杂，数据量大而信息贫乏的问题。在神经网络中引入子空间聚类方法，减少了CNN工作时需要的大量标记数据，实现对CNN神经网络的无监督学习。

法律状态

法律状态公告日

2020-06-09 2020-06-09 2020-07-03

法律状态信息

公开 公开

实质审查的生效

法律状态

公开 公开

实质审查的生效

权利要求说明书

一种基于深度学习和聚类的语义图像分割方法及系统的权利要求说明书内容是....请下载后查看

说明书

一种基于深度学习和聚类的语义图像分割方法及系统的说明书内容是....请下载后查看