一种船舶弱监督语义分割方法技术

本发明专利技术公开了一种船舶弱监督语义分割方法，将待分割图像和经仿射变换后的待分割图像分别输入至预先训练的伪像素标签生成网络，分别生成伪像素级监督标签CAM；将CAM缩放至原输入图像的大小，在图像相同位置处求平均值，得到最终伪像素级监督标签CAM；利用显著性目标检测方法，生成待分割图像的显著图，根据设定阈值将显著图划分为前景和背景，生成前景区域与背景区域分离开的显著图；将所述显著图与最终伪像素级监督标签CAM进行比对，生成新的伪像素标签；将伪像素标签送入到全监督网络DeepLabv3中进行语义分割，生成分割掩码。本发明专利技术使得特征图激活范围扩大，生成覆盖面积更完整的定位图，使得最后的分割掩码质量更高。使得最后的分割掩码质量更高。使得最后的分割掩码质量更高。

【技术实现步骤摘要】
一种船舶弱监督语义分割方法


[0001]本专利技术属于计算机视觉的图像分割领域，涉及一种船舶弱监督语义分割方法，特别是涉一种基于区域约束的船舶弱监督语义分割方法。

技术介绍

[0002]图像的语义分割是计算机视觉的热点问题。根据监督方式的不同，图像语义分割又可以分为全监督图像语义分割和本专利技术研究的弱监督图像语义分割。前者是指标注方式为像素级的分类标注，需要大量人工标注的精细化标签，由于其具有强大的信息性，因此分割结果精确性相对较高。而后者是指标注方式为图像级标注，图像级标签只包含目标对象的类别信息，因此它的分割难度最大。例如，标注某张图片中出现了某一类或者某几类船，比如，集装箱船，散货船，帆船等。
[0003]目前，大多数图像弱监督语义分割方法都是针对CAM(类激活图)来设计的网络模型。在各类方法中，SEAM模型因其直观的思路和良好的分割效果而被广泛认可。由于SEAM模型使用的CAM方法仅能定位到最具判别性区域的问题，使得图像的激活范围较小，定位图质量较差，不能弥补判别区域与相邻非判别区域之间的差距。此外，SEAM训练时间过长，收敛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶弱监督语义分割方法，其特征在于，包括：步骤1、获取待分割图像；步骤2、将待分割图像和经仿射变换后的待分割图像分别输入至预先训练的伪像素标签生成网络，分别生成伪像素级监督标签CAM；将CAM缩放至原输入图像的大小，在图像相同位置处求平均值，得到最终伪像素级监督标签CAM；其中，所述伪像素标签生成网络包括ResNet网络、Dropout层、全局平均池化层、Softmax函数和像素关系模块；所述ResNet网络包括Conv1至Conv6，Conv5和Conv6中均嵌入区域约束模块；所述伪像素标签生成网络的训练方法包括：将图像输入到所述ResNet网络中，经过低级残差块Conv1、Conv2、Conv3、Conv4后生成中间特征图，将中间特征图依次输入到嵌有区域约束模块的高级残差块Conv5、Conv6生成改进的特征图；所述改进特征图经过Dropout层、卷积层得到原始CAM，原始CAM经全局平均池化层进行全局信息提取，使用Softmax函数进行概率预测，得到分类结果，输出定位置信图M；提取Conv4和Conv5两层特征图拼接成中间特征图，中间特征图与定位置信图M输入PCM模块，得到有像素关系矩阵修正的CAM，根据设计的损失函数进行反向传播训练，得到伪像素级监督标签CAM；步骤3、利用显著性目标检测方法，生成待分割图像的显著图，根据设定阈值将显著图划分为前景和背景，生成前景区域与背景区域分离开的显著图；将所述显著图与步骤2生成的最终伪像素级监督标签CAM进行比对，生成新的伪像素标签；步骤4、将步骤3得到的伪像素标签送入到全监督网络DeepLab v3中进行语义分割，生成...

【专利技术属性】
技术研发人员：苏丽，徐加尧，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：