图像语义分割模型训练方法、图像语义分割方法及装置制造方法及图纸

本申请涉及一种图像语义分割模型训练方法、图像语义分割方法及装置。该方法包括：根据待分割图像中所有像素的标签真值，对待分割图像进行边缘检测，得到待分割图像每个类别的物体边缘图像；依据待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测待分割图像中各个类别的每个像素对应的权重；根据待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测待分割图像中各类别的每个像素的损失值；根据损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。本申请提供的方案，能够提高图像语义分割模型的训练效果，提高图像语义分割模型的语义分割准确率。的语义分割准确率。的语义分割准确率。

【技术实现步骤摘要】
图像语义分割模型训练方法、图像语义分割方法及装置


[0001]本申请涉及图像处理
，尤其涉及一种图像语义分割模型训练方法、图像语义分割方法及装置。

技术介绍

[0002]图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环，也是AI(Artificial Intelligence，人工智能)领域中一个重要的分支。图像语义分割即是对图像中每一个像素点进行分类，确定每个像素点的类别(如属于背景、人或车等)，从而进行区域划分。目前，图像语义分割已经被广泛应用于自动驾驶等场景中。
[0003]相关技术在使用深度学习进行图像语义分割模型训练时，使用交叉熵等损失函数计算损失值，使用损失值对图像语义分割模型的参数进行调整，完成图像语义分割模型的训练。相关技术在使用交叉熵等损失函数计算损失值时，使用全局平均的方式，当所有像素中有少量比较不好的点时(即求和的部分有少量数值较大)，最终的损失值仍然会比较小。在实际使用时，会发现边缘检测结果的边缘误检测比较多，即在边缘位置很容易识别错像素所属的类别；对细长物体的语义分割效果较差，导致使用交叉熵等损失函数获得的损失值不准确，图像语义分割模型的训练效果较差。训练后的图像语义分割模型对细长物体的语义分割不准确，训练后的图像语义分割模型对细长物体的语义分割效果也较差，对细长物体的语义分割的准确率低。

技术实现思路

[0004]为解决或部分解决相关技术中存在的问题，本申请提供一种图像语义分割模型训练方法、图像语义分割方法及装置，能够提高图像语义分割模型的训练效果，提高图像语义分割模型的语义分割准确率。
[0005]本申请第一方面提供一种图像语义分割模型训练方法，包括：
[0006]根据待分割图像中所有像素的标签真值，对所述待分割图像进行边缘检测，得到所述待分割图像每个类别的物体边缘图像；
[0007]依据所述待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重；
[0008]根据所述待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值；
[0009]根据所述损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。
[0010]本申请第二方面提供一种图像语义分割方法，包括：
[0011]获取待分割图像；
[0012]将所述待分割图像输入图像语义分割模型，获得图像语义分割模型输出的所述待
分割图像对应的分割结果，所述图像语义分割模型根据上述所述的图像语义分割模型训练方法训练得到。
[0013]本申请第三方面提供一种图像语义分割模型训练装置，所述装置包括：
[0014]第一处理模块，用于根据待分割图像中所有像素的标签真值，对所述待分割图像进行边缘检测，得到所述待分割图像每个类别的物体边缘图像；
[0015]第二处理模块，用于依据所述待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重；
[0016]第三处理模块，用于根据所述待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值；
[0017]第四处理模块，用于根据所述损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。
[0018]本申请第四方面提供一种图像语义分割装置，所述装置包括：
[0019]图像获取模块，用于获取待分割图像；
[0020]图像分割模块，用于将所述待分割图像输入图像语义分割模型，获得图像语义分割模型输出的所述待分割图像对应的分割结果，所述图像语义分割模型通过上述所述的图像语义分割模型训练装置训练得到。
[0021]本申请第五方面提供一种电子设备，包括：
[0022]处理器；以及
[0023]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0024]本申请第六方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0025]本申请提供的技术方案可以包括以下有益效果：
[0026]本申请的技术方案，根据待分割图像中所有像素的标签真值，对所述待分割图像进行边缘检测，得到所述待分割图像每个类别的物体边缘图像；依据所述待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重；根据所述待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值；根据所述损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。本申请通过增加边缘处像素的权重，对待分割图像中各类别的每个像素进行损失值的计算，即对待分割图像中各类别的物体边缘图像区别对待，能够对待分割图像中各个类别的每个像素进行准确地预测，能够准确地获得各类别的每个像素的损失值，能够提高图像语义分割模型的训练效果，使图像语义分割模型更准确地对图像中各个类别的每个像素进行准确预测，提高图像语义分割模型的语义分割准确率。
[0027]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0028]通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其
它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
[0029]图1是本申请实施例示出的图像语义分割模型训练方法的流程示意图；
[0030]图2是本申请实施例示出的图像语义分割模型训练方法的另一流程示意图；
[0031]图3是本申请实施例示出的类别索引为K的标签真值示意图；
[0032]图4是本申请实施例示出的邻域像素的标签真值示意图；
[0033]图5是本申请实施例示出的图像像素值梯度的标签真值示意图；
[0034]图6是本申请实施例示出的图像语义分割方法的流程示意图；
[0035]图7是本申请实施例示出的图像语义分割模型训练装置的结构示意图；
[0036]图8是本申请实施例示出的图像语义分割装置的结构示意图；
[0037]图9是本申请实施例示出的电子设备的结构示意图。
具体实施方式
[0038]下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
[0039]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像语义分割模型训练方法，其特征在于，包括：根据待分割图像中所有像素的标签真值，对所述待分割图像进行边缘检测，得到所述待分割图像每个类别的物体边缘图像；依据所述待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重；根据所述待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值；根据所述损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。2.根据权利要求1所述的方法，其特征在于，所述根据待分割图像中所有像素的标签真值，对所述待分割图像进行边缘检测，得到所述待分割图像每个类别的物体边缘图像之前，还包括：根据所述待分割图像的直方图，获得所述待分割图像中所有像素的标签真值；依据邻域像素的标签真值法或者图像像素值梯度法，对所述待分割图像中所有像素的标签真值进行边缘检测，得到所述待分割图像每个类别的物体边缘图像。3.根据权利要求1所述的方法，其特征在于，所述依据所述待分割图像每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重，包括：根据所述待分割图像中每个类别的物体边缘图像，获得待训练的图像语义分割模型预测所述待分割图像中各个类别的每个像素对应的权重，所述待分割图像中每个像素对应的权重等于第一超参数加上第二超参数与相应的所述物体边缘图像中每个像素的值的积。4.根据权利要求1所述的方法，其特征在于，所述根据所述待分割图像中各个类别的每个像素对应的权重，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值，包括：根据设定损失函数，获得图像语义分割模型预测所述图像中各个类别的每个像素的预测损失值；根据所述待分割图像中各个类别的每个像素对应的权重、预测损失值，获得图像语义分割模型预测所述待分割图像中各类别的每个像素的损失值。5.根据权利要求4所述的方法，其特征在于，所述根据所述损失值，调整图像语义分割模型的参数...

【专利技术属性】
技术研发人员：单国航，贾双成，朱磊，郭杏荣，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：