一种基于权重学习的多尺度图像分割方法

摘要

本发明公开了一种基于权重学习的多尺度图像分割方法。本发明设计的神经网络在不同尺度上充分提取了目标特征，充分保证了目标的边缘和形态特征，用可学习的权重来保留有用的特征剔除有噪声的特征。该网络模型主要包括编码和解码两部分，在编码阶段，网络提取不同尺度下的特征，在解码阶段融合多层特征空间的特征，每个增强的特征可以获得类别概率分布图，并且通过可学习的自适应权重对所获得增强特征进行加权得到最终特征。实验表明，应用本发明的方法在道路提取上具有更高的准确率和召回率，在道路外形上更贴近真实道路的轮廓。