【技术实现步骤摘要】
一种语义分割训练方法及装置、电子设备、存储介质
本公开涉及图像处理
,尤其涉及一种语义分割训练方法及装置、电子设备、存储介质。
技术介绍
图像语义分割,是将图像中的像素按照在图像中表达的语义的不同进行分组的技术,广泛应用于自动驾驶系统、无人机着陆,以及穿戴式设备等领域中。目前,通过深度学习来进行语义分割可以产生很好的分割效果,然而,深度学习是以数据为燃料,即进行语义分割训练时需要获取符合要求的大量数据作为支撑,这些数据需要由人工进行标记标签,因此,语义分割训练的智能性和效率较低。
技术实现思路
本公开实施例期望提供一种语义分割训练方法及装置、电子设备、存储介质,基于分层权重网络,选取输入待训练的语义分割网络中数据分布与待训练的语义分割网络不匹配的源域数据产生的源域分割结果所包含的有效数据,以计算源域损失函数,联合根据数据分布与待训练的语义分割网络匹配的目标域数据获取的目标域损失函数,共同训练待训练的语义分割网络,从而提高了语义分割训练的智能性和效率。本公开实施例的技术方案是这样实现的:本公开实施例提供了一种语义分割训练方法,包括:根据待训练的语义分割网络,获取源 ...
【技术保护点】
1.一种语义分割训练方法,其特征在于,包括:根据待训练的语义分割网络,获取源域数据对应的源域分割结果,以及目标域数据对应的目标域分割结果;根据所述目标域分割结果计算目标域分割损失函数;根据所述源域分割结果和预设层级权重网络,计算源域分割损失函数;其中,所述预设层级权重网络包括至少一层权重网络;根据所述目标域分割损失函数和所述源域分割损失函数,训练所述待训练的语义分割网络。
【技术特征摘要】
1.一种语义分割训练方法,其特征在于,包括:根据待训练的语义分割网络,获取源域数据对应的源域分割结果,以及目标域数据对应的目标域分割结果;根据所述目标域分割结果计算目标域分割损失函数;根据所述源域分割结果和预设层级权重网络,计算源域分割损失函数;其中,所述预设层级权重网络包括至少一层权重网络;根据所述目标域分割损失函数和所述源域分割损失函数,训练所述待训练的语义分割网络。2.根据权利要求1所述的语义分割训练方法,其特征在于,所述根据所述目标域分割损失函数和所述源域分割损失函数,训练所述待训练的语义分割网络,包括:获取第一预设系数和第二预设系数;其中,所述第一预设系数和所述第二预设系数之和为一;计算所述目标域分割损失函数与所述第一预设系数之积,获得第一分割损失函数;计算所述源域分割损失函数与所述第二预设系数之积,获得第二分割损失函数;根据所述第一分割损失函数和所述第二分割损失函数之和,训练所述待训练的语义分割网络。3.根据权利要求1所述的语义分割训练方法,其特征在于,所述根据所述源域分割结果和预设层级权重网络,计算源域分割损失函数,包括:将所述源域分割结果输入所述预设层级权重网络,获取所述预设层级权重网络中每一层的第一权重结果;计算所述预设层级权重网络的第一权重结果的均值,获得目标权重结果;根据所述目标权重结果和所述源域分割结果,计算所述源域分割损失函数。4.根据权利要求3所述的语义分割训练方法,其特征在于,所述获取所述预设层级权重网络中每一层的第一权重结果之后,包括:将所述目标域分割结果输入所述预设层级权重网络,获取所述预设层级权重网络中每一层的第二权重结果;获取所述源域数据对应的第一预设权重,以及所述目标域数据对应的第二预设权重;根据所述每一层的第一权重结果、所述每一层的第二权重结果、所述第一预设权重和所述第二预设权重,计算目标权重损失函数;根据所述目标权重损失函数训练所述预设层级权重网络。5.根据权利要求4所述的语义分割训练方法,其特征在于,所述根据所述每一层的第一权重结果、所述每一层的第二权重结果、所述第一预设权重和所述第二预设权重,计算目标权重损失函数,包括:根据所述第一预设权重和所述第一权重结果计算第一权重损失函数;根据所述第二预设权重和所述第二权重结果计算第二权重损失函数;计算所述第一权重损失函数和所述第二权重损失函数之和,获...
【专利技术属性】
技术研发人员:孙若琪,祝新革,黄琛,吴冲若,石建萍,马利庄,
申请(专利权)人:北京市商汤科技开发有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。