[發明專利]一種基于生成對抗網絡的圖像分割方法、裝置及存儲介質

有效

• 申請號: 202010193971.8
• 申請日: 2020-03-18
• 公開（公告）號: CN111507993B
• 公開（公告）日: 2023-05-19
• 發明（設計）人: 田治仁;張貴峰;李銳海;廖永力;張巍;龔博;王俊錁;黃增浩;朱登杰;何錦強
• 申請（專利權）人: 南方電網科學研究院有限責任公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06N3/045;G06N3/0464;G06N3/0475;G06N3/0895;G06N3/094;G06N3/096
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開一種基于生成對抗網絡的圖像分割方法、裝置及存儲介質，該方法包括：獲取目標圖像集、參考圖像集以及與所述參考圖像集對應的預先標注的參考標注集；其中，目標圖像集包括目標圖像訓練集和目標圖像測試集；構建分割網絡和判別網絡；將目標圖像訓練集與參考圖像集輸入到分割網絡，對應得到目標概率得分圖和參考概率得分圖，再將目標概率得分圖和參考概率得分圖輸入到判別網絡，以進行分割網絡和判別網絡的聯合訓練；當分割網絡的第一目標損失函數和判別網絡的第二目標損失函數均收斂時，訓練結束；將目標圖像測試集輸入訓練好的分割網絡，得到目標分割圖像。本發明無需進行原圖像的預先標注，也能實現圖像分割。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于生成對抗網絡的圖像分割方法、裝置及存儲介質。

背景技術

圖像分割，指的是將給定圖像，分割出對應主要目標的一組非重疊像素區域，可以將復雜和多樣的實際場景高分辨率圖像解析為信息語義和實例圖像，是圖像分析與圖像理解的基礎。

傳統的圖像分割方法通常是在圖像和相應的目標掩模數據集上，使用監督學習方法來解決，而高質量的像素級標注的構建過程需要耗費大量的人力與時間成本，特別對于電力行業的電力設備圖像，難以做像素級分割標注，這樣使得傳統的圖像分割方法的適用性受限，無法滿足電力行業的計算機視覺工程的發展需求。

發明內容

本發明實施例的目的是提供一種基于生成對抗網絡的圖像分割方法、裝置及存儲介質，利用遷移學習理論和生成對抗網絡原理，使用自適應對抗學習進行半監督的圖像分割，達到無需進行原圖像的預先標注，也能實現圖像分割的目的。

為實現上述目的，本發明一實施例提供了一種基于生成對抗網絡的圖像分割方法，包括以下步驟：

獲取目標圖像集、參考圖像集以及與所述參考圖像集對應的預先標注的參考標注集；其中，所述目標圖像集包括目標圖像訓練集和目標圖像測試集；

構建分割網絡和判別網絡；其中，所述分割網絡的第一目標損失函數包括所述目標圖像集與所述參考標注集的交叉熵損失、所述目標圖像集的對抗損失和所述目標圖像集與所述參考圖像集之間的半監督損失；

將所述目標圖像訓練集與所述參考圖像集輸入到所述分割網絡，對應得到目標概率得分圖和參考概率得分圖，再將所述目標概率得分圖和所述參考概率得分圖輸入到所述判別網絡，以進行所述分割網絡和所述判別網絡的聯合訓練；

當所述分割網絡的第一目標損失函數和所述判別網絡的第二目標損失函數均收斂時，訓練結束；

將所述目標圖像測試集輸入訓練好的所述分割網絡，得到目標分割圖像。

優選地，所述分割網絡的第一目標損失函數為L_G＝(1-lr_G)L_IL+lr_G+(1-50·lr_G)L_adv+50·lr_G+λ_semiL_semi；其中，L_G為所述第一目標損失函數，lr_G指所述分割網絡對應的學習率調節參數,L_IL是所述目標圖像集與所述參考標注集的交叉熵損失，L_adv為所述目標圖像集的對抗損失，L_semi為所述目標圖像集與所述參考圖像集之間的半監督損失，lr_base為所述分割網絡的基本學習率，n為總訓練次數，j為第j次訓練，1≤j≤n；λ_semi是固定平衡系數，L為所述參考標注集，G(I)為所述目標概率得分圖，H、W和C分別為所述目標概率得分圖對應的高度、寬度和類別數；D(G(I))^(H,W)為所述目標概率得分圖輸入到所述判別網絡得到的目標置信圖。

優選地，所述目標圖像集與所述參考圖像集之間的半監督損失是通過以下步驟得到的：