弱监督语义分割方法、语义分割方法及可读存储介质技术

本申请公开了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质，包括利用骨干分类网络对图像块进行分类处理，得到分类特征图；分类特征图包括目标分类特征图和中间分类特征图；根据目标分类特征图得到类别激活图，利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整；利用类别激活图以及分割特征图生成伪分割标签；根据伪分割标签对第一分割网络的第一分割参数进行调整；利用分割特征图生成目标分割标签，根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整；将训练完成后得到的目标特征图作为语义分割结果，充分利用中间分类特征图来优化第二分割网络，从而能够提高语义分割的准确性。义分割的准确性。义分割的准确性。

【技术实现步骤摘要】
弱监督语义分割方法、语义分割方法及可读存储介质


[0001]本申请涉及人工智能
，尤其是一种弱监督语义分割方法、语义分割方法及可读存储介质。

技术介绍

[0002]分类标签与分割任务之间有很大的鸿沟，在相关技术中，利用分类模型输出的类别激活图来定位特定类别的区域。然而，类别激活图是由卷积网络中深层次的特征图加权组合得来，而卷积网络由浅层特征到深层特征会有多次下采样操作，导致类别激活图只能提供一个粗糙的语义分割结果。

技术实现思路

[0003]本申请实施例提供了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质，能够充分利用分类网络对分割网络进行优化，从而达到提高语义分割的准确性的目的。
[0004]第一方面，本申请实施例提供了一种弱监督语义分割方法，包括：获取输入的图像块，所述图像块均对应设置有图像分类标签；利用骨干分类网络对所述图像块进行分类处理，得到分类特征图，所述分类特征图的尺寸各不相同，所述分类特征图包括所述分类处理后输出的目标分类特征图和所述分类处理中不输出的中间分类特征图；根据所述目标分类特征图得到类别激活图，利用所述图像分类标签和所述类别激活图对所述骨干分类网络的分类参数进行调整；利用第一分割网络对所述中间分类特征图进行第一分割处理，得到分割特征图，其中，每一个所述中间分类特征图均对应有一个所述第一分割网络；利用所述类别激活图以及所述分割特征图，生成伪分割标签；根据所述伪分割标签对所述第一分割网络的第一分割参数进行调整；利用第二分割网络对所述图像块进行第二分割处理，得到目标特征图；利用所述分割特征图生成目标分割标签，根据所述目标分割标签和所述目标特征图对所述第二分割网络的第二分割参数进行调整；将训练完成后得到的所述目标特征图作为语义分割结果。
[0005]第二方面，本申请实施例还提供了一种语义分割方法，包括：获取组织病理图像数据集；对所述组织病理图像数据集进行切片处理，得到多个图像块；根据如上所述的弱监督语义分割方法对所述图像块进行训练，得到图像块的语义分割结果；将所述图像块的语义分割结果进行拼接处理，得到组织病理图像数据集的语义分割结果。
[0006]第三方面，本申请实施例还提供了一种数据处理装置，包括：存储器、处理器及存
储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的弱监督语义分割方法或者如上所述的语义分割方法。
[0007]第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上所述的弱监督语义分割方法或者如上所述的语义分割方法。
[0008]本申请实施例包括：获取输入的图像块，图像块均对应设置有图像分类标签；利用骨干分类网络对图像块进行分类处理，得到分类特征图，分类特征图的尺寸各不相同，分类特征图包括分类处理后输出的目标分类特征图和分类处理中不输出的中间分类特征图；根据目标分类特征图得到类别激活图，利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整；利用第一分割网络对中间分类特征图进行第一分割处理，得到分割特征图，其中，每一个中间分类特征图均对应有一个第一分割网络；利用类别激活图以及分割特征图，生成伪分割标签；根据伪分割标签对第一分割网络的第一分割参数进行调整；利用第二分割网络对图像块进行第二分割处理，得到目标特征图；利用分割特征图生成目标分割标签，根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整；将训练完成后得到的目标特征图作为语义分割结果。根据本申请实施例的方案，将中间分类特征图作为第一分割网络的输入，根据由第一分割网络得到的分割特征图对第二分割网络进行调整，从而增强目标特征图的表征能力，能够达到提高语义分割的准确性的目的。
附图说明
[0009]图1是本申请一个实施例提供的弱监督语义分割方法的流程图；图2是图1中步骤S130的具体方法的流程图；图3是图1中步骤S130的另一具体方法的流程图；图4是图1中步骤S130的又一具体方法的流程图；图5是图1中步骤S140的具体方法的流程图；图6是图1中步骤S120的具体方法的流程图；图7是图1中步骤S120的另一具体方法的流程图；图8是本申请另一个实施例提供的弱监督语义分割方法的流程图。
具体实施方式
[0010]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0011]另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0012]本申请提供了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质，包括获取输入的图像块，图像块均对应设置有图像分类标签；利用骨干分类网络对图像块进行分类处理，得到分类特征图，分类特征图的尺寸各不相同，分类特征图包括分类处理后输出的目标分类特征图和分类处理中不输出的中间分类特征图；根据目标分
类特征图得到类别激活图，利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整；利用第一分割网络对中间分类特征图进行第一分割处理，得到分割特征图，其中，每一个中间分类特征图均对应有一个第一分割网络；利用类别激活图以及分割特征图，生成伪分割标签；根据伪分割标签对第一分割网络的第一分割参数进行调整；利用第二分割网络对图像块进行第二分割处理，得到目标特征图；利用分割特征图生成目标分割标签，根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整；将训练完成后得到的目标特征图作为语义分割结果。根据本申请实施例的方案，将中间分类特征图作为第一分割网络的输入，根据由第一分割网络得到的分割特征图对第二分割网络进行调整，从而增强目标特征图的表征能力，能够达到提高语义分割的准确性的目的。
[0013]下面结合附图，对本申请实施例作进一步阐述。
[0014]如图1所示，图1是本申请一个实施例提供的弱监督语义分割方法的流程图，该弱监督语义分割方法可以包括但不限于有步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
[0015]步骤S110：获取输入的图像块，图像块均对应设置有图像分类标签。
[0016]本步骤中，进行语义分割操作的对象是数据集，因此需要先获取输入的图像块，图像块的数量可以是任意数量个，在此不作具体限定。图像块均对应设置有图像分类标签，可以理解的是，图像分类标签是用于分类的图像标签，与用于语义分割的像素级的分割标签不同，获取图像块是为了便于后续步骤中对网络进行训练。
[0017]本申请的另一实施例中，图像块指的是相关技术中的任意图像块，图像块可以是由具有多个标签的数据集中得到的图像块，在一个可选的实施方式中，将数据集中的图像进行切片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种弱监督语义分割方法，其特征在于，包括：获取输入的图像块，所述图像块均对应设置有图像分类标签；利用骨干分类网络对所述图像块进行分类处理，得到分类特征图，所述分类特征图的尺寸各不相同，所述分类特征图包括所述分类处理后输出的目标分类特征图和所述分类处理中不输出的中间分类特征图；根据所述目标分类特征图得到类别激活图，利用所述图像分类标签和所述类别激活图对所述骨干分类网络的分类参数进行调整；利用第一分割网络对所述中间分类特征图进行第一分割处理，得到分割特征图，其中，每一个所述中间分类特征图均对应有一个所述第一分割网络；利用所述类别激活图以及所述分割特征图，生成伪分割标签；根据所述伪分割标签对所述第一分割网络的第一分割参数进行调整；利用第二分割网络对所述图像块进行第二分割处理，得到目标特征图；利用所述分割特征图生成目标分割标签，根据所述目标分割标签和所述目标特征图对所述第二分割网络的第二分割参数进行调整；将训练完成后得到的所述目标特征图作为语义分割结果。2.根据权利要求1所述的弱监督语义分割方法，其特征在于，在所述训练第一分割网络步骤中，所述利用第一分割网络对所述中间分类特征图进行第一分割处理，得到分割特征图，包括：将所述中间分类特征图输入第一卷积层，得到第一结果特征图，其中，所述第一卷积层具有1
×
1的卷积核，所述第一卷积层的通道数为256，所述第一卷积层的填充值是0；将所述第一结果特征图输入第二卷积层，得到第二结果特征图，其中，所述第二卷积层具有3
×
3的卷积核，所述第二卷积层的通道数为256，所述第二卷积层的填充值是1；将所述第二结果特征图输入第三卷积层，得到第三结果特征图，其中，所述第三卷积层具有5
×
5的卷积核，所述第三卷积层的通道数为256，所述第三卷积层的填充值是2；将所述第一结果特征图、第二结果特征图和第三结果特征图进行级联处理，得到通道扩展特征图；对所述通道扩展特征图进行全连接激活处理，得到分割特征图，其中，所述分割特征图的通道数与所述图像分类标签中标签的数量相同。3.根据权利要求2所述的弱监督语义分割方法，其特征在于，所述中间分类特征图包括相邻的第一分类特征图以及第二分类特征图，所述第一分类特征图的尺寸大于所述第二分类特征图的尺寸，所述中间分类特征图还包括与所述目标分类特征图相邻的第三分类特征图，所述伪分割标签包括第一分割标签和第二分割标签，在所述训练第一分割网络步骤中，所述利用所述类别激活图以及所述分割特征图，生成伪分割标签，包括：对所述类别激活图进行上采样处理，得到类别分割特征图，其中，所述类别分割特征图的尺寸与所述第三分类特征图的尺寸相同；将所述类别分割特征图以及将类别分割特征图归一化处理后得到的特征图投射在预设的第一阈值，生成所述第一分割标签；将所述第二分类特征图得到的分割特征...

【专利技术属性】
技术研发人员：陈旭琳，林真，汪进，陈睿，
申请(专利权)人：赛维森广州医疗科技服务有限公司，
类型：发明
国别省市：