一种基于深度卷积神经网络的图像像素标记方法

摘要

本发明中提出的一种基于深度卷积神经网络的图像像素标记方法，其主要内容包括：图像输入、检测、替换、细化、预测标记估计，其过程为，它利用深度卷积神经网络，首先输入交通场景图像和关于该图像的一些初始估计，接着由检测组件检测在输入标记中的错误；然后通过替换组件将错误标记替换为新标记；最后以残差校正的方式整体改进所有输出标记，获得新的、精确的标记估计。本发明由于采用神经网络模型，节省大量的内存和时间；考虑存在于输入和输出变量的联合空间中的依赖性，实现更精确的结果；仅在最终输出上应用目标函数，允许稠密图像标记任务的端到端学习。