[发明专利]场景分割网络训练方法、装置、计算设备及存储介质

权利要求书

1.一种场景分割网络训练方法，所述方法通过多次迭代完成；

其中一次迭代过程的训练步骤包括：

提取样本图像以及与样本图像对应的标注场景分割结果；

将所述样本图像输入至所述场景分割网络中进行训练，其中，在场景分割网络中至少一层卷积层，利用尺度回归层输出的尺度系数对卷积层的第一卷积块进行缩放处理，得到第二卷积块，而后利用所述第二卷积块进行卷积层的卷积运算，获得卷积层的输出结果；所述尺度回归层为所述场景分割网络的中间卷积层；

获取与样本图像对应的样本场景分割结果；

根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，更新所述场景分割网络的权重参数；

所述方法包括：迭代执行上述训练步骤，直至满足预定收敛条件。

2.根据权利要求1所述的方法，其中，所述提取样本图像以及与样本图像对应的标注场景分割结果进一步包括：

从样本库中提取样本图像以及与样本图像对应的标注场景分割结果。

3.根据权利要求1所述的方法，其中，所述利用尺度回归层输出的尺度系数对卷积层的第一卷积块进行缩放处理，得到第二卷积块进一步包括：

利用上一次迭代过程尺度回归层输出的尺度系数或者初始尺度系数对卷积层的第一卷积块进行缩放处理，得到第二卷积块。

4.根据权利要求1所述的方法，其中，所述利用所述第二卷积块进行卷积层的卷积运算，获得卷积层的输出结果进一步包括：

利用线性插值方法，从所述第二卷积块中采样得到特征向量，组成第三卷积块；

依据所述第三卷积块与卷积层的卷积核进行卷积运算，获得卷积层的输出结果。

5.根据权利要求1所述的方法，其中，所述根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，更新所述场景分割网络的权重参数进一步包括：

根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，得到场景分割网络损失函数，根据所述场景分割网络损失函数更新所述场景分割网络的权重参数。

6.根据权利要求1所述的方法，其中，所述预定收敛条件包括：迭代次数达到预设迭代次数；和/或，所述场景分割网络损失函数的输出值小于预设阈值。

7.根据权利要求1所述的方法，其中，所述尺度系数为尺度回归层输出的尺度系数特征图中的特征向量。

8.根据权利要求1-7任一项所述的方法，其中，所述方法还包括：在所述场景分割网络训练开始时，对所述尺度回归层的权重参数进行初始化处理。

9.根据权利要求1-7任一项所述的方法，所述方法由终端或服务器执行。

10.一种场景分割网络训练装置，所述装置通过多次迭代完成；所述装置包括：

提取模块，适于提取样本图像以及与样本图像对应的标注场景分割结果；

训练模块，适于将所述样本图像输入至所述场景分割网络中进行训练，其中，在场景分割网络中至少一层卷积层，利用尺度回归层输出的尺度系数对卷积层的第一卷积块进行缩放处理，得到第二卷积块，而后利用所述第二卷积块进行卷积层的卷积运算，获得卷积层的输出结果；所述尺度回归层为所述场景分割网络的中间卷积层；

获取模块，适于获取与样本图像对应的样本场景分割结果；

更新模块，适于根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，更新所述场景分割网络的权重参数；

所述场景分割网络训练装置迭代运行，直至满足预定收敛条件。

11.根据权利要求10所述的装置，其中，所述提取模块进一步适于：

从样本库中提取样本图像以及与样本图像对应的标注场景分割结果。