【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...
【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...
【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。