[發明專利]一種基于對抗訓練的圖像語義分割方法

有效

• 申請號: 201711075403.2
• 申請日: 2017-11-03
• 公開（公告）號: CN107767384B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 高建彬;鄧澤露
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06N3/04
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 李小金;王正楠

1.一種基于對抗訓練的圖像語義分割方法，其特征在于，包括如下步驟：

步驟1：將原始圖像輸入到卷積神經網絡進行前向傳遞，得到低分辨率分割圖像；

步驟2：將步驟1中得到的低分辨率分割圖像進行上采樣，然后將該上采樣后的圖像與卷積神經網絡中的與上采樣層同樣高度寬度的中間特征層連接得到連接特征層，再將連接特征層進行1x1卷積操作得到新的分割結果；然后將得到的新的分割結果與和其同樣高度寬度的真實圖像下采樣分割結果進行對抗訓練，對抗訓練包括生成網絡G和判別網絡D，利用梯度下降算法分別更新生成網絡G的參數及判別網絡D的參數，直至對抗訓練的網絡損失函數收斂；

步驟3：根據步驟2中的選取的上采樣次數確定對抗訓練中網絡的層數，根據網絡的層數確定步驟2重復的次數；

確定重復的次數后：將上一次步驟2中獲得的低分辨率分割圖像進行上采樣，然后將該上采樣后的圖像與卷積神經網絡中的與上采樣層同樣高度寬度的中間特征層連接得到連接特征層，再將此次步驟的連接特征層進行1x1卷積操作得到新的分割結果；然后將得到的新的分割結果與和其同樣高度寬度的真實圖像下采樣分割結果進行對抗訓練，對抗訓練包括生成網絡G和判別網絡D，利用梯度下降算法分別更新生成網絡G的參數及判別網絡D的參數，直至對抗訓練的網絡損失函數收斂。

2.根據權利要求1所述的基于對抗訓練的圖像語義分割方法，其特征在于，對抗訓練的網絡損失函數定義如下：

其中x代表的真實數據，G(z)表示生成網絡生成的數據；D(·)指的是將數據x或G(z)輸入判別網絡D，判別網絡D輸出結果取值為[0,1]，判別網絡D輸出結果取值表示輸入是真實數據的可能性；生成網絡G為了學習真實數據分布P_data(x)，首先對輸入噪聲z定義了先驗分布P_z(z)，生成網絡G生成的數據G(z；θ_G)，其中θ_G指的是生成網絡的參數；判別網絡D(x；θ_D)輸出的一個標量值，代表的是x來自真實數據分布P_data(x)的概率；其中θ_D指的是判別網絡D的參數。

3.根據權利要求2所述的基于對抗訓練的圖像語義分割方法，其特征在于，

由公式(1)得到，生成網絡G的梯度下降算法定義如下：

由公式(1)得到，判別網絡D的梯度下降算法定義如下：

公式(2)和公式(3)中，m代表的是樣本個數。