【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种图像分割模型训练方法、图像分割方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、作为计算机视觉领域的核心任务之一，图像分割任务在多个现实场景中具有广泛的应用。图像分割任用于对图像执行像素级分类，从而划分样本中的不同类别，如：行人、街道、汽车等。传统技术中，在大量有标签数据集的获得和深度学习迅速发展的驱动下，图像的分割精确度得到了迅速的提升。然而传统的有监督语义分割任务需要数量庞大的有标签数据参与训练，但这些数据的获取是非常昂贵且费时的。为了解决该问题，无监督语义分割提出从计算机合成数据中学习，这类数据无需人工标注，成本低廉。但是，虚拟数据与真实道路场景数据之间存在着较大的风格差异，它们在纹理和颜色等方面相距甚远，这使得在源域上训练良好的数据在目标域往往表现不佳。
2、传统方法将迁移学习的思想应用于该任务，目前已经取得了较大的性能提升。然而随着网络多次的上下采样，使得类别边缘像素丧失了一部分可辨别性，存在图像分割精度低的问题。
技术实现思路
【技术保护点】
1.一种图像分割模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述中间分割图像中的边缘信息，确定边缘权重矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述边缘信息用于指示当前像素是否属于图形边缘；所述边缘信息的获取步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述初始对抗网络包括初始分割模型和初始判别器；所述基于样本图像对和第一损失函数对初始对抗网络进行对抗训练，得到中间对抗网络，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一损失对所述...
【技术特征摘要】
1.一种图像分割模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述中间分割图像中的边缘信息，确定边缘权重矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述边缘信息用于指示当前像素是否属于图形边缘；所述边缘信息的获取步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述初始对抗网络包括初始分割模型和初始判别器；所述基于样本图像对和第一损失函数对初始对抗网络进行对抗训练，得到中间对抗网络，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一损失...
【专利技术属性】
技术研发人员：毕曦文，邓鹏，祝贵阳，韩雷，倪子善，高惠国，孙昊，刘若娇，刘养颐，陈文静，
申请(专利权)人：中国第一汽车股份有限公司，
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。