[發(fā)明專利]一種基于混合模型的小樣本圖像語義分割方法

有效

• 申請?zhí)枺?/td>: 202010323472.6
• 申請日: 2020-04-22
• 公開（公告）號: CN111583284B
• 公開（公告）日: 2021-06-22
• 發(fā)明（設計）人: 葉齊祥;楊博宇;劉暢;萬方;韓振軍;焦建彬
• 申請（專利權(quán)）人: 中國科學院大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/194;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京康思博達知識產(chǎn)權(quán)代理事務所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

1.一種基于混合模型的小樣本圖像語義分割方法，其特征在于，所述方法包括以下語義分割模型的訓練步驟：

步驟1，對有標注的支撐圖像特征進行原型向量提取；

步驟1包括以下子步驟：

步驟1-1，獲取支撐圖像與查詢圖像特征圖；

步驟1-2，建立混合模型，獲取多個原型向量；

步驟1-2包括以下子步驟：

步驟1-2-1，構(gòu)造混合模型輸入的前景、背景樣本集合；

支撐圖像的特征圖S＝{s_i，i＝1，2，...，W×H}由W×H個C維特征構(gòu)成，將標注信息為1的特征集合記為前景樣本集S⁺，標注為0的特征集合記為背景樣本集S^-；

步驟1-2-2，提取多個原型向量；

分別對前景樣本集S⁺和背景樣本S^-建立混合模型，所述混合模型如下式所示：

其中，p_k(s_i|θ)為s_i在第k個分布上的分布密度，s_i為第i個特征點，θ＝{μ，κ}，β_c(κ)＝κ^c/2-1/(2π)^c/2I_c/2-1(κ)為歸一化因子，I_v(·)為貝塞爾函數(shù)，c為特征維度，κ為數(shù)據(jù)分布的離散程度，取值為20；

步驟2，對無標注待分割的查詢圖像進行特征激活；

步驟2包括以下子步驟：

步驟2-1，獲得查詢圖像的前景和背景概率圖；

獲得查詢圖像的特征圖在每個原型向量上分布的概率值，將屬于前景的概率值相加得到前景概率圖，將屬于背景的概率值相加得到背景概率圖；

步驟2-2，對查詢圖像特征再激活，獲得查詢圖像新的特征圖；步驟3，獲得訓練后的小樣本語義分割模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用卷積神經(jīng)網(wǎng)絡提取支撐圖像與查詢圖像的特征圖。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于混合模型的小樣本圖像語義分割方法，還包括利用訓練好的小樣本語義分割模型對未知圖像進行小樣本語義分割的步驟。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述未知圖像是指圖像類別與訓練部分的圖像類別完全不同。

5.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有圖像語義分割程序，所述圖像語義分割程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至4之一所述方法的步驟。