[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

本發明提供一種基于GAN的帶霧圖像語義分割方法，包括以下步驟：S1.建立邊界生成器和邊界判別器；S2.建立語義分割生成器和語義分割判別器；S3.對邊界生成器和邊界判別器進行訓練；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。本發明能夠直接對帶霧圖像進行語義分割，準確率高。

技術領域

本發明涉及圖像語義分割技術領域，更具體地，涉及一種基于GAN的帶霧圖像語義分割方法。

背景技術

圖像語義分割技術是計算機視覺的一個基礎的，重點的研究方向，隨著深度學習技術的發展，圖像語義分割效果達到了SOTA的水平，并且被許多領域廣泛應用，例如：自動駕駛，人機交互，增強現實等。中國專利公開號CN110533044A，公開日期：2019年12月3日，該申請專利公開了一種基于GAN的域適應圖像語義分割方法，解決了現在無監督圖像語義分割準確率較低的問題。但是當前的研究和應用僅針對光線強度正常、天氣晴朗等條件下的普通圖像；下雨、下霧等也是常有的天氣情況，然而目前沒有帶雨、帶霧圖像的語義分割方法的研究，由于帶雨、帶霧圖像的像素值規律與普通圖像不同，通過目前語義分割方法對其直接進行語義分割，其mIoU(Mean?Intersection?over?Union均交并比)和準確率遠低于普通圖像語義分割的mIoU和準確率。

發明內容

本發明的目的在于克服現有語義分割方法不能對帶霧圖像進行準確分割的缺點，提供一種基于GAN的帶霧圖像語義分割方法。本發明能夠直接對帶霧圖像進行語義分割，準確率高。

為解決上述技術問題，本發明采用的技術方案是：一種基于GAN的帶霧圖像語義分割方法，包括以下步驟：

S1.建立邊界生成器和邊界判別器；

S2.建立語義分割生成器和語義分割判別器；

S3.對邊界生成器和邊界判別器進行訓練；

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。

進一步的，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。

進一步的，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。

進一步的，所述步驟S1中，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。

進一步的，所述步驟S2中，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。

進一步的，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。