【技术实现步骤摘要】
本公开内容总体上涉及基于神经网络的图像处理，更具体的，涉及用于训练适于对目标域夜间图像进行语义分割的分割模型的方法、语义分割方法及训练该分割模型的装置。
技术介绍
1、随着计算机科学与人工智能的发展，使用计算机运行人工智能模型实现信息处理越来越普遍和有效。例如，可以使用基于神经网络的语义分割模型对输入图像进行语义分割。具体的，语义分割模型可以预测输入图像的每个像素的分类。
2、在对测试集的图像进行语义分割前，需要通过使用训练数据集中的图像对初始模型进行迭代训练来调整模型的参数，使得模型能够输出满意的分割结果。
3、夜间图像语义分割可以用于自动驾驶、城市公共空间监视、河道监视等。准确地对夜间图像进行语义分割是期望的。
4、但是，通常训练语义分割模型需要大量的打过标签的样本。为大量图像打标签是耗时耗力的，尤其是当图像为夜间图像时，图像内容不易辨识，这使得标注训练图像变得困难。因此，训练适于对夜间图像进行语义分割的模型是具有挑战的。
技术实现思路
1、在下文中将给出关于本公开内容的简要概述，以便提供关于本公开内容的某些方面的基本理解。应当理解，此概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
2、考虑到各领域对适于对夜间图像进行语义分割的分割模型的需求，以及训练这样的分割模型的挑战，专利技术人构思了本
3、根据本公开内容的一个方面，提供了一种用于训练适于对目标域夜间图像进行语义分割的分割模型的方法。该方法包括：使用包括已打语义标签的源日间图像的源日间域数据集和包括未打语义标签的目标日间图像的目标日间域数据集训练日间分割模型；使用训练后的日间分割模型确定目标日间域数据集中的目标日间图像的语义分割结果作为目标日间图像的伪语义标签；使用包括已打语义标签的源日间图像的源日间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练隐扩散模型；使用训练后的隐扩散模型生成与源日间图像对应的源夜间图像；以及使用包括已打语义标签的源日间图像的源日间域数据集、包括具有与相应源日间图像的相同的语义标签的源夜间图像的源夜间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练分割模型。
4、根据本公开内容的一个方面，提供了一种语义分割方法。该方法包括：使用前述分割模型训练方法训练的分割模型对测试集中的目标域夜间图像进行语义分割。
5、根据本公开内容的一个方面，提供了一种用于训练适于对目标域夜间图像进行语义分割的分割模型的装置。该装置包括：存储器，其上存储有指令；以及至少一个处理器，被配置成执行指令以：使用包括已打语义标签的源日间图像的源日间域数据集和包括未打语义标签的目标日间图像的目标日间域数据集训练日间分割模型；使用训练后的日间分割模型确定目标日间域数据集中的目标日间图像的语义分割结果作为目标日间图像的伪语义标签；使用包括已打语义标签的源日间图像的源日间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练隐扩散模型；使用训练后的隐扩散模型生成与源日间图像对应的源夜间图像；以及使用包括已打语义标签的源日间图像的源日间域数据集、包括具有与相应源日间图像的相同的语义标签的源夜间图像的源夜间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练分割模型。
6、根据本公开内容的一个方面，提供了一种存储有程序的计算机可读非暂态存储介质。当程序被计算机执行时，计算机实现以下操作：使用包括已打语义标签的源日间图像的源日间域数据集和包括未打语义标签的目标日间图像的目标日间域数据集训练日间分割模型；使用训练后的日间分割模型确定目标日间域数据集中的目标日间图像的语义分割结果作为目标日间图像的伪语义标签；使用包括已打语义标签的源日间图像的源日间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练隐扩散模型；使用训练后的隐扩散模型生成与源日间图像对应的源夜间图像；以及使用包括已打语义标签的源日间图像的源日间域数据集、包括具有与相应源日间图像的相同的语义标签的源夜间图像的源夜间域数据集、包括已配置伪语义标签的目标日间图像的目标日间域数据集和包括具有与相应目标日间图像相同的伪语义标签的目标夜间图像的目标夜间域数据集训练分割模型。
7、根据本公开内容的一个方面，提供了一种存储有程序的计算机可读非暂态存储介质。当程序被计算机执行时，计算机执行以下操作：使用上述分割模型训练方法训练的分割模型对测试集中的目标域夜间图像进行语义分割。
8、本公开内容的方法、装置以及存储介质的有益效果包括以下中的至少一个：减小训练成本和提高模型性能。
本文档来自技高网...【技术保护点】
1.一种用于训练适于对目标域夜间图像进行语义分割的分割模型的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其中，基于第一域对抗网络来训练所述日间分割模型。
3.根据权利要求2所述的方法，其中，所述第一域对抗网络包括：
4.根据权利要求3所述的方法，其中，训练日间分割模型包括基于总损失优化所述第一图像语义分割网络；
5.根据权利要求1所述的方法，其中，所述隐扩散模型包括：
6.根据权利要求5所述的方法，其中，所述条件模块被配置成：
7.根据权利要求1所述的方法，其中，使用训练后的隐扩散模型生成与所述源日间图像对应的源夜间图像包括：
8.根据权利要求1所述的方法，其中，基于第二域对抗网络来训练所述分割模型。
9.一种语义分割方法，其特征在于，包括：
10.一种用于训练适于对目标域夜间图像进行语义分割的分割模型的装置，其特征在于，包括：
【技术特征摘要】
1.一种用于训练适于对目标域夜间图像进行语义分割的分割模型的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其中，基于第一域对抗网络来训练所述日间分割模型。
3.根据权利要求2所述的方法，其中，所述第一域对抗网络包括：
4.根据权利要求3所述的方法，其中，训练日间分割模型包括基于总损失优化所述第一图像语义分割网络；
5.根据权利要求1所述的方法，其中，所述隐扩散模型包括：...
【专利技术属性】
技术研发人员：钟朝亮，冯成，汪洁，孙俊，大川佳宽，横田泰斗，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：
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。