[發明專利]一種基于GAN的帶霧圖像語義分割方法有效

申請號：	202011254300.4	申請日：	2020-11-11
公開（公告）號：	CN112508025B	公開（公告）日：	2023-08-22
發明（設計）人：	陳龍;劉坤華;葉梓豪	申請（專利權）人：	中山大學
主分類號：	G06V10/26	分類號：	G06V10/26;G06V10/774;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
代理公司：	廣州粵高專利商標代理有限公司 44102	代理人：	陳偉斌
地址：	510260 廣東***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于 gan 圖像語義分割方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于GAN的帶霧圖像語義分割方法，其特征在于：包括以下步驟：

S1.建立邊界生成器和邊界判別器；所述步驟S1中，所述邊界生成器包括十個依次連接的卷積層，其中邊界生成器的第一卷積層、第二卷積層、第三卷積層、第八卷積層、第九卷積層和第十卷積層均為普通卷積層，邊界生成器的第四卷積層、第五卷積層、第六卷積層和第七卷積層均為空洞卷積；所述邊界判別器包括五個依次連接的卷積層，且均為普通卷積，其中邊界判別器的第一卷積層、第二卷積層、第三卷積層和第四卷積層的激活函數為LeReLU，LeReLU的斜率為0.25；

S2.建立語義分割生成器和語義分割判別器；所述語義分割判別器包括五個依次連接的卷積層，均為普通卷積，其中義分割判別器的第一卷積層、第二卷積層、第三卷積層和第四卷積層的激活函數為LeReLU，LeReLU的斜率為0.25；

S3.對邊界生成器和邊界判別器進行訓練；所述語義分割生成器包括十個依次連接的卷積層，其中語義分割生成器的第一卷積層、第二卷積層、第三卷積層、第八卷積層、第九卷積層和第十卷積層均為普通卷積層，語義分割生成器的第四卷積層、第五卷積層、第六卷積層和第七卷積層均為空洞卷積；

S4.對語義分割生成器和語義分割判別器進行訓練；

S5.將帶霧圖像輸入完成訓練的邊界生成器中獲得邊界圖像；

S6.帶霧圖像與邊界圖像拼接后輸入完成訓練的語義分割生成器中獲得語義分割圖像。

2.根據權利要求1所述的一種基于GAN的帶霧圖像語義分割方法，其特征在于：所述邊界生成器的第一卷積層至第九卷積層的激活函數均為ReLU，邊界生成器的第十卷積層的激活函數為Sigmod，所述邊界生成器的第八卷積層、第九卷積層和第十卷積層的輸出數據分別與邊界生成器的第一卷積層、第二卷積層和第三卷積層的輸出數據拼接后，分別作為各自下一層的輸入數據。

3.根據權利要求1所述的一種基于GAN的帶霧圖像語義分割方法，其特征在于：所述語義分割生成器的第一卷積層至第九卷積層的激活函數均為ReLU，所述語義分割生成器的第八卷積層、第九卷積層和第十積層的輸出數據分別與語義分割生成器的第一卷積層、第二卷積層和第三卷積層的輸出數據拼接后，作為各自下一層的輸入數據。

4.根據權利要求1所述的一種基于GAN的帶霧圖像語義分割方法，其特征在于：所述步驟S3具體包括以下步驟：

S31.將帶霧圖像和其邊界真值圖像的訓練數據和驗證數據預處理；

S32.預處理后的帶霧圖像輸入邊界生成器，得到邊界圖像；

S33.預處理后的邊界真值圖像的訓練數據和驗證數據，以及步驟S32得到的邊界圖像依次輸入邊界判別器計算出所得損失；

S34.將所得損失反饋給邊界生成器，更新邊界生成器的權重；

S35.迭代重復步驟S32-S34，直到達到設定的訓練步數，得出完成權重更新的邊界生成器。

5.根據權利要求1所述的一種基于GAN的帶霧圖像語義分割方法，其特征在于：所述步驟S4包括以下具體步驟：

S41.將帶霧圖像、生成的邊界圖像和語義分割類別真值的訓練數據和驗證數據進行預處理；

S42.將預處理后的帶霧圖像和生成的邊界圖像拼接后輸入語義分割生成器中，得到生成的語義分割圖像和生成的語義分割類別；

S43.將語義分割類別真值和生成的語義分割類別依次輸入語義分割判別器中計算所得損失；

S44.將所得損失反饋給語義分割生成器，更新語義分割生成器的權重；

S45.迭代重復步驟S42-S44，直到達到設定的訓練步數，得出完成權重更新的語義分割生成器。