专利名称：基于数据扩充和全监督预处理的实时语义分割方法      申请号：2020114994963     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：人工智能 语义分割   相似专利 发布日：2024/04/11  
摘要： 本发明公开了一种基于数据扩充和全监督预处理的实时语义分割方法。本发明通过设置细节路径部分、空间路径部分，其中，细节路径部分利用高分辨率的输入得到丰富的边界信息，空间路径部分利用细节路径部分产生的高质量特征图获得足够大的感受野，最后利用图像融合方式进行融合处理，以达到在计算速度与分割性能之间取得良好的平衡；在空间路径部分的后面加入了注意力模块，并通过特征融合模块将细节信息和空间信息有效结合；同时，本发明还通过裁剪—粘贴小目标的方式，增加小目标点在训练集上的比重，实现提升小目标点的分割结果。

专利名称：一种动态信息与静态信息结合的视频语义分割方法      申请号：2023105367707     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：音视频 语义分割   相似专利 发布日：2023/10/17  
摘要： 本发明公开了一种动态信息与静态信息结合的视频语义分割方法，所述的视频语义分割方法包含如下步骤：首先构建动静态信息融合的视频语义分割网络，接着设计损失函数，通过在视频语义分割数据集上训练得到视频语义分割模型，最后使用模型实现对视频的智能分割。本发明通过改进视频语义分割模型和损失函数提高了视频分割的平均交并比，提供了一种高精确度的视频语义分割网络构建策略，为视频分割的智能化提供的参考，大大节省了人工成本。

专利名称：一种基于深度学习的摄影测量点云语义分割方法      申请号：2021108051976     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：摄影摄像 深度学习 语义分割   相似专利 发布日：2023/09/14  
摘要： 一种基于深度学习的摄影测量点云语义分割方法，首先为原始点云设计一组数据增强方法来提高局限训练数据的泛化能力；然后在网络的每一层动态地更新点云局部邻域图，将跨层点描述与上下文特征结合起来并逐层汇聚点云空间潜在语义信息；最后在每个网络层引入通道注意力机制使网络能够自适应学习通道间的权重，并由此建立基于轻量级通道注意池(ChannelAttentivePooling)的点云语义分割网络，实现复杂点云的细粒度语义分割。本发明提供一种轻量级、空间关系敏感且具有良好普适性的基于深度学习的摄影测量点云语义分割方法。