一种用于工业零件测量的高精度图像语义分割方法

摘要

本发明涉及一种用于工业零件测量的高精度图像语义分割方法，所述方法包括：S1：构建并训练神经网络模型；S2：将图像输入训练好的模型进行在线检测，实现图像的语义分割；其中，神经网络模型(1)采用PSPNet作为图像特征提取器；(2)采用几何池化层的池化方法，来替换传统的全局池化；(3)采用迭代概率图对概率图进行优化。本发明通过对目标的几何形状进行学习和建模，利用几何形状信息对提取的目标的边界进行优化，可以显著提高现有基于CNN的语义分割模型的准确度和适应性及鲁棒性，相比传统算法可大幅度提高边界和细小结构的提取精度；可以提取简洁精确的目标边界。