[發明專利]語義分割模型的生成方法、裝置、電子設備及存儲介質

有效

• 申請號: 202210289059.1
• 申請日: 2022-03-22
• 公開（公告）號: CN114596440B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 馬雅楠;趙雄
• 申請（專利權）人: 小米汽車科技有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京法勝知識產權代理有限公司 11922
• 代理人: 戎鄭華

本公開提出一種語義分割模型的生成方法、裝置、電子設備及存儲介質，涉及人工智能技術領域。包括：獲取訓練數據集，其中，訓練數據集中包括樣本圖像及樣本圖像對應的標注結果；將樣本圖像輸入目標檢測模型中，以獲取樣本圖像對應的檢測結果；利用初始語義分割模型對樣本圖像進行分割，以獲取樣本圖像對應的分割結果；根據樣本圖像對應的檢測結果、標注結果及分割結果，確定損失值；基于損失值，對初始語義分割模型進行修正，以獲取訓練后的語義分割模型。由此，結合目標檢測模型對樣本圖像的檢測結果，指導語義分割模型的訓練，從而提高了訓練完成的語義分割模型的性能，使其可以更準確地對圖像進行語義分割，進而為語義分割任務提供了條件。

技術領域

本公開涉及人工智能技術領域，尤其涉及一種語義分割模型的生成方法、裝置、電子設備及存儲介質。

背景技術

語義分割作為計算機視覺任務中的基礎任務之一，被廣泛的應用于自動駕駛、實時道路監控及醫療疾病系統等領域。語義分割的目標是對圖像中的每個像素點進行分類，以得到一副圖像的語義分割圖。

相關技術中，可以通過大量的標注樣本對語義分割模型進行訓練，以提高模型的性能。但是，若標注樣本數量不足，就會導致語義分割模型的性能降低，進而導致語義分割結果的準確性較低。因此，如何提高語義分割的準確性，成為重點的研究方向。

發明內容

本公開旨在至少在一定程度上解決相關技術中的技術問題之一。

本公開第一方面實施例提出了一種語義分割模型的生成方法，包括：

獲取訓練數據集，其中，所述訓練數據集中包括樣本圖像及樣本圖像對應的標注結果；

將所述樣本圖像輸入目標檢測模型中，以獲取所述樣本圖像對應的檢測結果；

利用初始語義分割模型對所述樣本圖像進行分割，以獲取所述樣本圖像對應的分割結果；

根據所述樣本圖像對應的檢測結果、標注結果及分割結果，確定損失值；

基于所述損失值，對所述初始語義分割模型進行修正，以獲取訓練后的語義分割模型。

可選的，所述根據所述樣本圖像對應的檢測結果、標注結果及分割結果，確定損失值，包括：

根據所述樣本圖像對應的檢測結果，確定所述樣本圖像中每個像素點所屬的區域類別，其中，所述樣本圖像中包含邊緣區域、目標區域及背景區域；

根據每個所述像素點所屬的區域類別，確定每個像素點對應的權重值；

根據所述樣本圖像對應的標注結果及分割結果，確定所述樣本圖像中每個像素點對應的類別概率；

根據每個像素點對應的類別概率及權重值，確定所述損失值。

可選的，所述根據所述樣本圖像對應的檢測結果，確定所述樣本圖像中每個像素點所屬的區域類別，包括：

根據所述樣本圖像對應的檢測結果中的檢測框對應的位置及尺寸，確定所述樣本圖像中包含的目標區域；

將所述樣本圖像中由所述目標區域向外延伸預設寬度的區域，確定為邊緣區域；

將所述樣本圖像中除所述目標區域及所述邊緣區域外的區域，確定為背景區域；

根據所述目標區域、邊緣區域及背景區域的位置，確定所述樣本圖像中每個像素點所屬的區域類型。

可選的，在所述將所述樣本圖像中由所述目標區域向外延伸預設寬度的區域，確定為邊緣區域之前，還包括：

根據所述檢測框的尺寸，確定所述預設寬度。

可選的，在所述根據每個所述像素點所屬的區域類別，確定每個像素點對應的權重值之后，還包括：