[發明專利]圖像語義分割網絡訓練方法、分割方法、分割裝置和介質

在審

• 申請號: 202010978424.0
• 申請日: 2020-09-17
• 公開（公告）號: CN112101463A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 成都數之聯科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 成都云縱知識產權代理事務所(普通合伙) 51316
• 代理人: 熊曦;陳婉鵑

1.圖像語義分割網絡訓練方法，其特征在于，所述方法包括：

標注若干圖像得到標注后的圖像集；

裁剪標注后的圖像集得到第一圖像集；

通過數據增強的方式處理第一圖像集得到第二圖像集；

通過生成式對抗網絡的方式處理第一圖像集得到第三圖像集；

基于第一至第三圖像集得到訓練數據集；

利用訓練數據集訓練圖像語義分割網絡。

2.根據權利要求1所述的圖像語義分割網絡訓練方法，其特征在于，裁剪標注后的圖像集具體包括：以預設步長裁剪標注后的圖像集中的圖像得到第一圖像集。

3.根據權利要求1所述的圖像語義分割網絡訓練方法，其特征在于，通過數據增強的方式處理第一圖像集得到第二圖像集具體包括：通過翻轉、旋轉、隨機crop和添加高斯噪聲四種方式的隨機結合處理第一圖像集中的圖像。

4.根據權利要求1所述的圖像語義分割網絡訓練方法，其特征在于，所述圖像語義分割網絡包括EfficientNet網絡，本方法訓練時使用與EfficientNet-b3相同的深度、寬度系數。

5.根據權利要求1-4中任意一個所述的圖像語義分割網絡訓練方法，其特征在于，圖像語義分割網絡的訓練過程包括：

將目標圖片經過卷積層轉化為MBConv模塊需要的輸入維度；

目標圖片經過MBConv模塊提取出特征圖；

利用基于Fully-Convlutional-Neural-Network的特征圖自適應連接方式，使用卷積網絡能夠匹配不同尺寸的特征圖，并將特征圖統一為需要的維度；

最后利用輸出的特征圖完成圖像的語義分割。

6.一種圖像語義分割方法，其特征在于，所述方法包括：

將待處理圖像輸入圖像語義分割網絡；

圖像語義分割網絡對待處理圖像進行語義分割處理，輸出語義分割結果；

所述圖像語義分割網絡的訓練方法包括：

標注若干圖像得到標注后的圖像集；

裁剪標注后的圖像集得到第一圖像集；

通過數據增強的方式處理第一圖像集得到第二圖像集；

通過生成式對抗網絡的方式處理第一圖像集得到第三圖像集；

基于第一至第三圖像集得到訓練數據集；

利用訓練數據集訓練圖像語義分割網絡。

7.根據權利要求6所述的圖像語義分割方法，其特征在于，所述圖像語義分割網絡包括EfficientNet網絡，本方法訓練時使用與EfficientNet-b3相同的深度、寬度系數。

8.根據權利要求6所述的圖像語義分割方法，其特征在于，圖像語義分割網絡的訓練過程包括：

將目標圖片經過卷積層轉化為MBConv模塊需要的輸入維度；

目標圖片經過MBConv模塊提取出特征圖；

利用基于Fully-Convlutional-Neural-Network的特征圖自適應連接方式，使用卷積網絡能夠匹配不同尺寸的特征圖，并將特征圖統一為需要的維度；

通過圖像語義分割網絡輸出的特征圖完成圖像的語義分割。

9.一種圖像語義分割裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求6-8中任意一個所述圖像語義分割方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求6-8中任意一個所述圖像語義分割方法的步驟。