一种基于深度学习和聚类的语义图像分割方法及系统

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。