专利交易市场

本发明属于语义分割技术领域，具体公开了一种基于类间关系的小样本语义分割方法及系统，该方法包括如下步骤：获取查询集和特征集图片，提取查询集特征和支持集特征；设置特征自聚合FSA模块，交叉支持和查询功能聚合CSQFA模块和先验掩模图形PMF模块，构建跨支持集和查询集特征聚合网络，得到聚合特征，跨支持集和查询集的密集逐像素注意力特征，将跨支持集和查询集的密集逐像素注意力特征输入先验掩模图形PMF模块，得到最终的先验mask，用于最终分类。采用本技术方案，CSQFA和FASA通过拓展transformer来扩大类间的差距减小类内的差距并实施像素级的密集匹配，PMF则是对原型方式进行改进并挖掘其中的背景信息使得先验mask更加的精准。

一种基于语义分割的多视角异源点云配准方法和装置，其方法包括：利用不同传感器采集现实场景的俯视及地面平视视角异源数据，使用三维重建算法构建出异源三维场景点云并降采样预处理得到训练数据集；将数据集导入至RandLA‑Net算法进行训练；利用语义分割算法可分别获取不同视角的点云语义标签，提取特定标签点云并进行点云滤波处理；对滤波后标签点云做立体包围框，通过配准两个世界坐标系中的包围框间接得到两个异源点云变换矩阵，实现多视角异源点云配准融合。本发明利用点云降采样、语义分割、点云滤波、立体包围框等技术能够解决多视角异源点云配准问题，并能够增强配准的鲁棒性，提高配准的准确性。

本发明适用于深度学习、自动驾驶技术领域，提供了一种针对自动驾驶的语义分割方法、系统、电子设备及介质，该方法包括：获取三维点云数据，将其映射为包括多个通道数据的二维深度图，根据所述多个通道数据形成样本数据集；构建包括第一模型和第二模型的语义分割网络初始模型，采用所述样本数据集训练所述语义分割网络初始模型，获取目标模型，所述第二模型包括编码器和解码器；获取目标三维点云数据，将其映射为目标二维深度图，并将所述目标二维深度图输入所述目标模型，获取目标语义分割结果；通过采用该方法解决了三维点云的语义分割性能低的问题。

本发明公开了一种基于语义分割的道路置信估计模糊帧方法。本发明包括如下步骤：步骤1、搭建SegNet语义网络，用于输入检测道路的图像；步骤2、获取检测道路的图像数据集；步骤3、对数据集中的基础图像进行训练；步骤4、道路帧模糊性判断。本发明实现了一种基于语义分割的道路置信估计模糊帧，对智能驾驶中检测模糊图像有较大意义。本发明中的方法利用图片的语义特性将，道路驾驶的图像经过语义分割处理输出图像特征图，并通过时间差分法实现对图像进行置信估计，找出模糊、不稳定帧。排除这些干扰图像对智能图像识别的成功具有较高的提升。

本发明涉及一种基于改进Deeplabv3+的轻量级遥感影像语义分割方法，包括：通过遥感卫星获取不同情景下的图像，得到数据集；在数据集中选定分割对象，对分割对象进行语义标注和分割，进行图像增强，在图像增强后将整个数据集划分为训练集、测试集和验证集；构建改进的DeepLabv3+网络模型，采用训练集训练改进的DeepLabv3+网络模型；将测试集中的测试图像输入训练后的改进的DeepLabv3+网络模型，选定分割对象为田地、建筑群或水域，并保存语义分割的结果图像。本发明基于改进的DeepLabv3+网络模型，训练参数量较小、精度较高、边缘分割更细腻、有效改善孔洞问题；本发明系统针对田地、建筑群、水域多种分割对象，便于不同场景使用，智能便捷。