[發明專利]場景分割網絡訓練方法、裝置、計算設備及存儲介質

有效

• 申請號: 201710908431.1
• 申請日: 2017-09-29
• 公開（公告）號: CN107730514B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 張蕊;顏水成;唐勝
• 申請（專利權）人: 北京奇寶科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種場景分割網絡訓練方法，所述方法通過多次迭代完成；

其中一次迭代過程的訓練步驟包括：

提取樣本圖像以及與樣本圖像對應的標注場景分割結果；

將所述樣本圖像輸入至所述場景分割網絡中進行訓練，其中，在場景分割網絡中至少一層卷積層，利用尺度回歸層輸出的尺度系數對卷積層的第一卷積塊進行縮放處理，得到第二卷積塊，而后利用所述第二卷積塊進行卷積層的卷積運算，獲得卷積層的輸出結果；所述尺度回歸層為所述場景分割網絡的中間卷積層；

獲取與樣本圖像對應的樣本場景分割結果；

根據所述樣本場景分割結果與所述標注場景分割結果之間的分割損失，更新所述場景分割網絡的權重參數；

所述方法包括：迭代執行上述訓練步驟，直至滿足預定收斂條件。

2.根據權利要求1所述的方法，其中，所述提取樣本圖像以及與樣本圖像對應的標注場景分割結果進一步包括：

從樣本庫中提取樣本圖像以及與樣本圖像對應的標注場景分割結果。

3.根據權利要求1所述的方法，其中，所述利用尺度回歸層輸出的尺度系數對卷積層的第一卷積塊進行縮放處理，得到第二卷積塊進一步包括：

利用上一次迭代過程尺度回歸層輸出的尺度系數或者初始尺度系數對卷積層的第一卷積塊進行縮放處理，得到第二卷積塊。

4.根據權利要求1所述的方法，其中，所述利用所述第二卷積塊進行卷積層的卷積運算，獲得卷積層的輸出結果進一步包括：

利用線性插值方法，從所述第二卷積塊中采樣得到特征向量，組成第三卷積塊；

依據所述第三卷積塊與卷積層的卷積核進行卷積運算，獲得卷積層的輸出結果。

5.根據權利要求1所述的方法，其中，所述根據所述樣本場景分割結果與所述標注場景分割結果之間的分割損失，更新所述場景分割網絡的權重參數進一步包括：

根據所述樣本場景分割結果與所述標注場景分割結果之間的分割損失，得到場景分割網絡損失函數，根據所述場景分割網絡損失函數更新所述場景分割網絡的權重參數。

6.根據權利要求1所述的方法，其中，所述預定收斂條件包括：迭代次數達到預設迭代次數；和/或，所述場景分割網絡損失函數的輸出值小于預設閾值。

7.根據權利要求1所述的方法，其中，所述尺度系數為尺度回歸層輸出的尺度系數特征圖中的特征向量。

8.根據權利要求1-7任一項所述的方法，其中，所述方法還包括：在所述場景分割網絡訓練開始時，對所述尺度回歸層的權重參數進行初始化處理。

9.根據權利要求1-7任一項所述的方法，所述方法由終端或服務器執行。

10.一種場景分割網絡訓練裝置，所述裝置通過多次迭代完成；所述裝置包括：

提取模塊，適于提取樣本圖像以及與樣本圖像對應的標注場景分割結果；

訓練模塊，適于將所述樣本圖像輸入至所述場景分割網絡中進行訓練，其中，在場景分割網絡中至少一層卷積層，利用尺度回歸層輸出的尺度系數對卷積層的第一卷積塊進行縮放處理，得到第二卷積塊，而后利用所述第二卷積塊進行卷積層的卷積運算，獲得卷積層的輸出結果；所述尺度回歸層為所述場景分割網絡的中間卷積層；

獲取模塊，適于獲取與樣本圖像對應的樣本場景分割結果；

更新模塊，適于根據所述樣本場景分割結果與所述標注場景分割結果之間的分割損失，更新所述場景分割網絡的權重參數；

所述場景分割網絡訓練裝置迭代運行，直至滿足預定收斂條件。

11.根據權利要求10所述的裝置，其中，所述提取模塊進一步適于：

從樣本庫中提取樣本圖像以及與樣本圖像對應的標注場景分割結果。