利索能及
我要发布
收藏
专利号: 2021109911255
申请人: 平安科技(深圳)有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-16
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种分割网络训练方法,其特征在于,包括:获取第一图片训练集、及第二图片训练集,其中,所述第一图片训练集中的第一图片带有语义分割标签,所述第二图片训练集中的第二图片未带有语义分割标签,并且所述第一图片的主元素类别和所述第二图片中的主元素类别相同;

根据所述第一图片训练集对预设的第一分割网络进行训练,得到初步图像分割网络;

利用所述初步图像分割网络对所述第一图片训练集及所述第二图片训练集中的图片进行特征提取,以获取所述第一图片训练集对应的第一图片特征集,及所述第二图片训练集对应的第二图片特征集;

根据所述第一图片特征集、及所述第二图片特征集对预设的第二分割网络进行训练,得到图像来源识别网络;

根据所述第二图片训练集对所述初步图像分割网络进行迭代训练,并获取所述初步图像分割网络输出的分割结果图;

根据所述图像来源识别网络和所述分割结果图评估所述初步图像分割网络是否训练完成;

当所述初步图像分割网络训练完成时,输出目标图像分割网络。

2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图片训练集对预设的第一分割网络进行训练,得到初步图像分割网络,包括:依次获取所述第一图片训练集中的第一图片输入预设的第一分割网络;

利用所述第一分割网络的第一卷积层对所述第一图片进行背景特征提取,得到第一得分图,其中,所述第一得分图设置有所述第一图片的像素点对应背景类别的得分;

利用所述第一分割网络的第二卷积层对所述第一图片进行主元素类别特征提取,得到第二得分图,其中,所述第一得分图与所述第二得分图的尺寸相同,且所述第二得分图设置有所述第一图片的像素点对应主元素类别的得分;

根据所述第一得分图以及所述第二得分图,设置对应所述第一图片中各个像素点的训练权重值,得到对应所述第一图片的训练权重信息;

根据所述第一图片及所述第一图片对应的训练权重信息,对所述第一分割网络进行训练;

当所述第一分割网络根据所述第一图片训练集进行训练的次数达到预设值时,所述第一分割网络训练完成,输出初步图像分割网络。

3.根据权利要求2所述的方法,其特征在于,所述根据所述第一得分图以及所述第二得分图,设置对应所述第一图片中各个像素点的训练权重值,得到对应所述第一图片的训练权重信息,包括:

根据预设函数获取所述第一得分图以及所述第二得分图对应像素点中得分最高的像素点,并将所述得分最高的像素点合并到预设得分图中,得到对应所述第一图片的分割得分图;

根据所述分割得分图,得到对应所述第一图片的初始训练权重信息;

识别所述分割得分图中得分低于预设得分值的像素,得到不理想得分像素集;

提高所述初始训练权重信息中对应所述不理想得分像素集的训练权重值,得到对应所述第一图片的训练权重信息。

4.根据权利要求1‑3中任一项所述的方法,其特征在于,所述根据所述第一图片特征集、及所述第二图片特征集对预设的第二分割网络进行训练,得到图像来源识别网络,包括:

对所述第一图片特征集中的图片设置第一标签,并对所述第二图片特征集中的图片设置第二标签;

根据所述第一图片特征集对预设的第二分割网络进行迭代训练,并获取所述第二分割网络训练过程中输出的第一输出图片;

根据所述第二图片特征集对所述第二分割网络进行迭代训练,并获取所述第二分割网络训练过程中输出的第二输出图片;

根据所述第一输出图片以及所述第二输出图片,评估所述第二分割网络是否训练完成;

当所述第二分割网络训练完成时,输出图像来源识别网络。

5.根据权利要求4所述的方法,其特征在于,所述第二分割网络根据输入图片所对应的图片分割特征设置输出图片的特征标签,所述根据所述第一输出图片以及所述第二输出图片,评估所述第二分割网络是否训练完成,包括:当所述第一输出图片所对应的特征标签均为第一特征标签,且所述第二输出图片所对应的特征标签均为第二特征标签时,所述第二分割网络训练完成。

6.根据权利要求5所述的方法,其特征在于,所述根据所述图像来源识别网络和所述分割结果图评估所述初步图像分割网络是否训练完成,包括:利用所述图像来源识别网络对所述分割结果图进行特征提取,得到对应所述分割结果图的分割结果特征图;

当所述分割结果特征图所对应的标签为所述第一特征标签时,所述初步图像非分隔网络训练完成。

7.一种分割网络使用方法,其特征在于,所述方法包括:获取待处理图片;

利用图像分割网络对所述待处理图片进行图像分割处理,得到对应所述待处理图片的目标结果图,其中,所述图像分割网络为通过权利要求1 6任一项所述的方法训练得到。

8.一种分割网络训练装置,其特征在于,所述装置包括:第一训练图片获取模块:用于获取第一图片训练集、及第二图片训练集,其中,所述第一图片训练集中的第一图片带有语义分割标签,所述第二图片训练集中的第二图片未带有语义分割标签,并且所述第一图片的主元素类别和所述第二图片中的主元素类别相同;

第一网络训练模块:用于根据所述第一图片训练集对预设的第一分割网络进行训练,得到初步图像分割网络;

第二训练图片获取模块:用于利用所述初步图像分割网络对所述第一图片训练集及所述第二图片训练集中的图片进行特征提取,以获取所述第一图片训练集对应的第一图片特征集,及所述第二图片训练集对应的第二图片特征集;

第二网络训练模块:用于根据所述第一图片特征集、及所述第二图片特征集对预设的第二分割网络进行训练,得到图像来源识别网络;

第三网络训练模块:用于根据所述第二图片训练集对所述初步图像分割网络进行迭代训练,并获取所述初步图像分割网络输出的分割结果图;

目标网络校验模块:用于根据所述图像来源识别网络和所述分割结果图评估所述初步图像分割网络是否训练完成;

目标网络获取模块:用于当所述初步图像分割网络训练完成时,输出目标图像分割网络。

9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的分割网络训练方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的分割网络训练方法的步骤。