[發明專利]漂浮物識別模型的訓練和使用方法、裝置、介質及設備

有效

• 申請號: 202210127060.4
• 申請日: 2022-02-11
• 公開（公告）號: CN114170483B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 楊帆;朱瑩
• 申請（專利權）人: 南京甄視智能科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/26;G06K9/62
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 季承

1.一種漂浮物識別模型的訓練方法，其特征在于，所述方法包括：

獲取訓練數據集，所述訓練數據集中包含多組訓練樣本，每組訓練樣本中包含一張圖像和對應的掩膜圖；

利用雙邊高分辨率分割模型中的空間路徑對所述訓練樣本進行處理，得到第一特征圖；

利用所述雙邊高分辨率分割模型中的上下文路徑對所述訓練樣本進行處理，得到四個第二特征圖，所述上下文路徑采用多分辨率融合并行連接方式；

根據四個所述第二特征圖和所述第一特征圖進行特征融合和分割解碼，得到四個分支損失函數；

根據四個所述分支損失函數訓練所述雙邊高分辨率分割模型，得到漂浮物識別模型；

所述利用所述雙邊高分辨率分割模型中的上下文路徑對所述訓練樣本進行處理，得到四個第二特征圖，包括：當所述雙邊高分辨率分割模型中的上下文路徑中包括串聯的s個網絡模塊，且s≥5時，利用所述s個網絡模塊對所述訓練樣本進行處理；將第s-2個網絡模塊輸出的特征圖分別確定為第一個第二特征圖和第二個第二特征圖；對第s-1個網絡模塊輸出的特征圖進行一次上采樣，將得到的第一上采樣結果和第s-2個網絡模塊輸出的特征圖進行融合后確定為第三個第二特征圖；對第s個網絡模塊輸出的特征圖進行兩次上采樣，將得到的第二上采樣結果、所述第一上采樣結果和第s-2個網絡模塊輸出的特征圖進行融合后確定為第四個第二特征圖；

所述根據四個所述第二特征圖和所述第一特征圖進行特征融合和分割解碼，得到四個分支損失函數，包括：對所述第一個第二特征圖進行特征融合和分割解碼，得到第一個分支損失函數；對所述第二個第二特征圖和所述第一特征圖進行特征融合和分割解碼，得到第二個分支損失函數；對所述第三個第二特征圖和所述第一特征圖進行特征融合和分割解碼，得到第三個分支損失函數；對所述第四個第二特征圖和所述第一特征圖進行特征融合和分割解碼，得到第四個分支損失函數。

2.根據權利要求1所述的方法，其特征在于，所述根據四個所述分支損失函數訓練所述雙邊高分辨率分割模型，得到漂浮物識別模型，包括：

計算四個所述分支損失函數的加權和，得到整體損失函數；

根據所述整體損失函數訓練所述雙邊高分辨率分割模型，得到所述漂浮物識別模型。

3.根據權利要求1或2所述的方法，其特征在于，所述獲取訓練數據集，包括：

獲取多張圖像和每張圖像的標注信息，所述標注信息中包含所述圖像中的漂浮物的矩形框信息和類別信息；

利用DenseCRF算法，根據每張圖像和對應的標注信息進行粗分割，得到每張圖像的掩膜圖；

篩選滿足預設條件的掩膜圖，將篩選后的每張掩膜圖和對應的圖像組成一組訓練樣本，得到所述訓練數據集。

4.根據權利要求1所述的方法，其特征在于，所述根據四個所述分支損失函數訓練所述雙邊高分辨率分割模型，得到漂浮物識別模型，包括：

當根據四個所述分支損失函數訓練得到多組模型參數時，分別計算每組模型參數對應的平均交并比和平均準確率；

根據所述平均交并比和所述平均準確率從所述多組模型參數中選擇一組最優的模型參數；

將選出的所述模型參數對應的雙邊高分辨率分割模型確定為所述漂浮物識別模型。