语义分割模型的生成方法、装置、电子设备及存储介质制造方法及图纸

本公开提出一种语义分割模型的生成方法、装置、电子设备及存储介质，涉及人工智能技术领域。包括：获取训练数据集，其中，训练数据集中包括样本图像及样本图像对应的标注结果；将样本图像输入目标检测模型中，以获取样本图像对应的检测结果；利用初始语义分割模型对样本图像进行分割，以获取样本图像对应的分割结果；根据样本图像对应的检测结果、标注结果及分割结果，确定损失值；基于损失值，对初始语义分割模型进行修正，以获取训练后的语义分割模型。由此，结合目标检测模型对样本图像的检测结果，指导语义分割模型的训练，从而提高了训练完成的语义分割模型的性能，使其可以更准确地对图像进行语义分割，进而为语义分割任务提供了条件。供了条件。供了条件。

【技术实现步骤摘要】
语义分割模型的生成方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及一种语义分割模型的生成方法、装置、电子设备及存储介质。

技术介绍

[0002]语义分割作为计算机视觉任务中的基础任务之一，被广泛的应用于自动驾驶、实时道路监控及医疗疾病系统等领域。语义分割的目标是对图像中的每个像素点进行分类，以得到一副图像的语义分割图。
[0003]相关技术中，可以通过大量的标注样本对语义分割模型进行训练，以提高模型的性能。但是，若标注样本数量不足，就会导致语义分割模型的性能降低，进而导致语义分割结果的准确性较低。因此，如何提高语义分割的准确性，成为重点的研究方向。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本公开第一方面实施例提出了一种语义分割模型的生成方法，包括：
[0006]获取训练数据集，其中，所述训练数据集中包括样本图像及样本图像对应的标注结果；
[0007]将所述样本图像输入目标检测模型中，以获取所述样本图像对应的检测结果；
[0008]利用初始语义分割模型对所述样本图像进行分割，以获取所述样本图像对应的分割结果；
[0009]根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值；
[0010]基于所述损失值，对所述初始语义分割模型进行修正，以获取训练后的语义分割模型。
[0011]可选的，所述根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值，包括：
[0012]根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，其中，所述样本图像中包含边缘区域、目标区域及背景区域；
[0013]根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值；
[0014]根据所述样本图像对应的标注结果及分割结果，确定所述样本图像中每个像素点对应的类别概率；
[0015]根据每个像素点对应的类别概率及权重值，确定所述损失值。
[0016]可选的，所述根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，包括：
[0017]根据所述样本图像对应的检测结果中的检测框对应的位置及尺寸，确定所述样本图像中包含的目标区域；
[0018]将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域；
[0019]将所述样本图像中除所述目标区域及所述边缘区域外的区域，确定为背景区域；
[0020]根据所述目标区域、边缘区域及背景区域的位置，确定所述样本图像中每个像素点所属的区域类型。
[0021]可选的，在所述将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域之前，还包括：
[0022]根据所述检测框的尺寸，确定所述预设宽度。
[0023]可选的，在所述根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值之后，还包括：
[0024]根据所述样本图像对应的检测结果，确定所述样本图像中包含的目标的数量和/或种类；
[0025]根据所述样本图像中包含的目标的数量和/或种类，确定所述样本图像对应的参考权重；
[0026]根据所述样本图像对应的参考权重，对所述样本图像中每个像素点对应的权重值进行修正，以获取修正后的每个像素点对应的权重值。
[0027]可选的，在所述根据所述样本图像中包含的目标的数量和/或种类，确定所述样本图像对应的参考权重之后，还包括：
[0028]根据每个所述样本图像对应的参考权重，确定每个所述样本图像对应的训练次数；
[0029]根据每个所述样本图像对应的训练次数，对所述训练数据集包含的每个所述样本图像的数量进行更新。
[0030]本公开第二方面实施例提出了一种语义分割方法，包括：
[0031]获取待分割的图像；
[0032]将所述待分割的图像，输入预设的语义分割模型，以获取所述待分割图像对应的语义分割结果，其中，所述预设的语义分割模型为基于如第一方面所述的方法生成的。
[0033]本公开第三方面实施例提出了一种语义分割模型的生成装置，包括：
[0034]第一获取模块，用于获取训练数据集，其中，所述训练数据集中包括样本图像及样本图像对应的标注结果；
[0035]第二获取模块，用于将所述样本图像输入目标检测模型中，以获取所述样本图像对应的检测结果；
[0036]第三获取模块，用于利用初始语义分割模型对所述样本图像进行分割，以获取所述样本图像对应的分割结果；
[0037]第一确定模块，用于根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值；
[0038]第四获取模块，用于基于所述损失值，对所述初始语义分割模型进行修正，以获取训练后的语义分割模型。
[0039]可选的，所述第一确定模块，包括：
[0040]第一确定单元，用于根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，其中，所述样本图像中包含边缘区域、目标区域及背景区域；
[0041]第二确定单元，用于根据每个所述像素点所属的区域类别，确定每个像素点对应
的权重值；
[0042]第三确定单元，用于根据所述样本图像对应的标注结果及分割结果，确定所述样本图像中每个像素点对应的类别概率；
[0043]第四确定单元，用于根据每个像素点对应的类别概率及权重值，确定所述损失值。
[0044]可选的，所述第一确定单元，具体用于：
[0045]根据所述样本图像对应的检测结果中的检测框对应的位置及尺寸，确定所述样本图像中包含的目标区域；
[0046]将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域；
[0047]将所述样本图像中除所述目标区域及所述边缘区域外的区域，确定为背景区域；
[0048]根据所述目标区域、边缘区域及背景区域的位置，确定所述样本图像中每个像素点所属的区域类型。
[0049]可选的，所述第一确定单元，还具体用于：
[0050]根据所述检测框的尺寸，确定所述预设宽度。
[0051]可选的，所述第一确定模块，还包括：
[0052]第五确定单元，用于根据所述样本图像对应的检测结果，确定所述样本图像中包含的目标的数量和/或种类；
[0053]第六确定单元，用于根据所述样本图像中包含的目标的数量和/或种类，确定所述样本图像对应的参考权重；
[0054]修正单元，用于根据所述样本图像对应的参考权重，对所述样本图像中每个像素点对应的权重值进行修正，以获取修正后的每个像素点对应的权重值。
[0055]可选的，所述第一确定模块，还包括：
[0056]第七确定单元，用于根据每个所述样本图像对应的参考权重，确定每个所述样本图像对应的训练次数；
[0057本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义分割模型的生成方法，其特征在于，包括：获取训练数据集，其中，所述训练数据集中包括样本图像及样本图像对应的标注结果；将所述样本图像输入目标检测模型中，以获取所述样本图像对应的检测结果；利用初始语义分割模型对所述样本图像进行分割，以获取所述样本图像对应的分割结果；根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值；基于所述损失值，对所述初始语义分割模型进行修正，以获取训练后的语义分割模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值，包括：根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，其中，所述样本图像中包含边缘区域、目标区域及背景区域；根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值；根据所述样本图像对应的标注结果及分割结果，确定所述样本图像中每个像素点对应的类别概率；根据每个像素点对应的类别概率及权重值，确定所述损失值。3.根据权利要求2所述的方法，其特征在于，所述根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，包括：根据所述样本图像对应的检测结果中的检测框对应的位置及尺寸，确定所述样本图像中包含的目标区域；将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域；将所述样本图像中除所述目标区域及所述边缘区域外的区域，确定为背景区域；根据所述目标区域、边缘区域及背景区域的位置，确定所述样本图像中每个像素点所属的区域类型。4.根据权利要求3所述的方法，其特征在于，在所述将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域之前，还包括：根据所述检测框的尺寸，确定所述预设宽度。5.根据权利要求2所述的方法，其特征在于，在所述根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值之后，还包括：根据所述样本图像对应的检测结果，确定所述样本图像中包含的目标的数量和/或种类；根据所述样本图像中包含的目标的数量和/或种类，确定所述样本图像对应的参考权重；根据所述样本图像对应的参考权重，对所述样本图像中每个像素点对应的权重值进行修正，以获取修正后的每个像素点对应的权重值。6.根据权利要求5所述的方法，其特征在于，在所述根据所述样本图像中包含的目标的数量和/或种类，确定所述样本图像对应的参考权重之后，还包括：根据每个所述样本图像对应的参考权重，确定每个所述样本图像对应的训练次数；根据每个所述样本图像对应的训练次数，对所述训练数据集包含的每个所述样本图像的数量进行更新。
7.一种语义分割方法，其特征在于，包括：获取待分割的图像；将所述待分割的图像，输入预设的语义分割模型，以获取所述待分割图像对应的语义分割结果，其中，所述预设的语义分割模型为基于如权利要求1
‑
6任一所述的方法生成的。8.一种语义分割模型的生成装置，其特征在于，包括：第一获取模块，用于获取训练数据集，其中，所述训练数据集中包括样本图像及样本图像对应的标注结果；第二获取模块，用于将所述样本图像输入目标检测模型中，以获取所述样本图像对应的检测结果；第三获取模块，用于利用初始语义分割模型对所述样本图像进行分割，以获取所述样本图像对应的分割结果；第一确定模块，用于根...

【专利技术属性】
技术研发人员：马雅楠，赵雄，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：