[發(fā)明專利]語義分割模型訓(xùn)練方法、語義分割方法及相關(guān)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011456416.6
• 申請(qǐng)日: 2020-12-10
• 公開（公告）號(hào): CN112465840B
• 公開（公告）日: 2023-02-17
• 發(fā)明（設(shè)計(jì)）人: 樊強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 重慶紫光華山智安科技有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06V10/26;G06V10/764;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 李莎

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，提供一種語義分割模型訓(xùn)練方法、語義分割方法及相關(guān)裝置，所述語義分割模型訓(xùn)練方法包括：獲取訓(xùn)練集，其中，訓(xùn)練集包括樣本圖像及分類標(biāo)簽，分類標(biāo)簽是由將樣本圖像分別輸入多個(gè)預(yù)先訓(xùn)練的分類模型得到的多個(gè)分類結(jié)果融合而成；將訓(xùn)練集輸入預(yù)先構(gòu)建的語義分割模型，得到樣本圖像對(duì)應(yīng)的分類概率；基于分類概率及分類標(biāo)簽對(duì)語義分割模型進(jìn)行參數(shù)更新，得到訓(xùn)練后的語義分割模型。相對(duì)于現(xiàn)有技術(shù)，本發(fā)明既可以直接利用無標(biāo)簽的圖像對(duì)語義分割模型進(jìn)行訓(xùn)練、獲得較好的泛化性，又能保證訓(xùn)練后的語義分割模型具有較高的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種語義分割模型訓(xùn)練方法、語義分割方法及相關(guān)裝置。

背景技術(shù)

在圖像處理中，語義分割技術(shù)可廣泛應(yīng)用于自動(dòng)駕駛，視頻理解，以及輔助其他人工智能領(lǐng)域。所謂語義分割技術(shù)，簡(jiǎn)單理解就是：給定一張圖像，識(shí)別出圖像的每個(gè)像素值所對(duì)應(yīng)的類別，例如人，車，建筑物等。

目前，語義分割采用無監(jiān)督技術(shù)對(duì)目標(biāo)場(chǎng)景(實(shí)際使用的場(chǎng)景)進(jìn)行在線學(xué)習(xí)，但是無監(jiān)督由于是天然的無標(biāo)簽的訓(xùn)練方式，使得其訓(xùn)練的效果不是很好。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種語義分割模型訓(xùn)練方法、語義分割方法及相關(guān)裝置，既可以直接利用無標(biāo)簽的圖像對(duì)語義分割模型進(jìn)行訓(xùn)練、獲得較好的泛化性，又能保證訓(xùn)練后的語義分割模型具有較高的準(zhǔn)確率。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

第一方面，本發(fā)明提供一種語義分割模型訓(xùn)練方法，所述方法包括：獲取訓(xùn)練集，其中，所述訓(xùn)練集包括樣本圖像及分類標(biāo)簽，所述分類標(biāo)簽是由將所述樣本圖像分別輸入多個(gè)預(yù)先訓(xùn)練的分類模型得到的多個(gè)分類結(jié)果融合而成；將所述訓(xùn)練集輸入預(yù)先構(gòu)建的語義分割模型，得到所述樣本圖像對(duì)應(yīng)的分類概率；基于所述分類概率及所述分類標(biāo)簽對(duì)所述語義分割模型進(jìn)行參數(shù)更新，得到訓(xùn)練后的語義分割模型。

第二方面，本發(fā)明提供一種語義分割模型訓(xùn)練裝置，所述裝置包括：第一獲取模塊，用于獲取訓(xùn)練集，其中，所述訓(xùn)練集包括樣本圖像及分類標(biāo)簽，所述分類標(biāo)簽是由將所述樣本圖像分別輸入多個(gè)預(yù)先訓(xùn)練的分類模型得到的多個(gè)分類結(jié)果融合而成；第一分割模塊，用于將所述訓(xùn)練集輸入預(yù)先構(gòu)建的語義分割模型，得到所述樣本圖像對(duì)應(yīng)的分類概率；更新模塊，用于基于所述分類概率及所述分類標(biāo)簽對(duì)所述語義分割模型進(jìn)行參數(shù)更新，得到訓(xùn)練后的語義分割模型。

第三方面，本發(fā)明提供一種語義分割方法，所述方法包括：獲取待分割圖像；將所述待分割圖像輸入訓(xùn)練后的語義分割模型，得到分割結(jié)果，其中，所述語義分割模型是將包括樣本圖像及分類標(biāo)簽的訓(xùn)練集輸入預(yù)先構(gòu)建的語義分割模型得到的，所述分類標(biāo)簽是由將所述樣本圖像分別輸入多個(gè)預(yù)先訓(xùn)練的分類模型后得到的多個(gè)分類結(jié)果融合而成。

第四方面，本發(fā)明提供一種語義分割裝置，所述裝置包括：第一獲取模塊，用于獲取訓(xùn)練集，其中，所述訓(xùn)練集包括樣本圖像及分類標(biāo)簽，所述分類標(biāo)簽是由將所述樣本圖像分別輸入多個(gè)預(yù)先訓(xùn)練的分類模型得到的多個(gè)分類結(jié)果融合而成；第一分割模塊，用于將所述訓(xùn)練集輸入預(yù)先構(gòu)建的語義分割模型，得到所述樣本圖像對(duì)應(yīng)的分類概率；更新模塊，用于基于所述分類概率及所述分類標(biāo)簽對(duì)所述語義分割模型進(jìn)行參數(shù)更新，得到訓(xùn)練后的語義分割模型。

第五方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的語義分割模型訓(xùn)練方法，或者，如上述的語義分割方法。

第六方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的語義分割模型訓(xùn)練方法，或者，如上述的語義分割方法。