[发明专利]一种基于时间序列级联的语义分割方法、系统、终端和存储介质

说明书

本发明提供一种基于时间序列级联的语义分割方法、系统、终端和存储介质，主要包括以下步骤：给特征图I分别标记为分支一和分支二，并建立学习器；将分支一和分支二的处理时间分为两段：第一时间段t1和第二时间段t2，第一时间段t1学习器做学习能力检测，学习器输出学习成果，该学习成果分为两部分：完成区和未完成区，完成区划分至分支一，未完成区划分至分支二；在第二时间段t2中，分支二继续学习未完成区，分支一的完成区停止学习并检测学习成果是否遗忘；若分支二的未完成区仍未完成，则将仍未完成的部分再次执行循环。本发明基于时间序列级联，使学习任务分配更加明确，极大减少了性能损耗。

技术领域

本发明涉及车载电子技术领域，特别是涉及一种基于时间序列级联的语义分割方法、系统、终端和存储介质。

背景技术

语义分割是是图像理解的关键技术之一，图像是由许多像素组成，而语义分割就是将像素按照图像中表达语义的不同进行分组。现实中越来越多的应用场景需要从影像中推理出相关的语义，这些应用包括自动驾驶，人机交互，计算摄影学，增强现实等。

现有技术的缺陷和不足：第一，分割精度不够；第二，学习内容冗余，耗时较多。

发明内容

为了解决上述的以及其他潜在的技术问题，本发明提供了一种基于时间序列级联的语义分割方法、系统、终端和存储介质，第一，使用时间序列上的级联方式来进行语义分割，将分支一未学习充分的部分传到分支二进行学习，学习任务分配更加明确，极大减少了性能损耗。

一种基于时间序列级联的语义分割方法，包括以下步骤：

S01：获取捕获图像，将捕获图像经过前端编译处理得到特征图I；

S02：复制给特征图I的特征点，成为完全相同的两份特征图I，分别标记为分支一和分支二，并建立学习器；

S03：将分支一和分支二的处理时间分为两段：第一时间段t1和第二时间段t2，第一时间段t1学习器做学习能力检测，学习器输出学习成果，该学习成果分为两部分：完成区和未完成区，完成区划分至分支一，未完成区划分至分支二；

S04：在第二时间段t2中，分支二继续学习未完成区，分支一的完成区停止学习并检测学习成果是否遗忘；

S05：在第二时间段t2的下一时刻

若分支二的未完成区学习完成，则结束学习；

若分支二的未完成区仍未完成，则将仍未完成的部分再次执行步骤S03至步骤S06的循环，直至未完成的部分完成，才结束学习；

S06：输出学习结果后端译码还原为语义分割图。

进一步地，所述步骤S01中的前端编译处理包括卷积和线性修正，还包括池化、上采样、融合中的一种或几种。

进一步地，所述步骤S01中的前端编译处理中卷积的次数为至少一次，卷积的网络结构为全卷积网络结构或膨胀卷积网络结构。

进一步地，所述步骤S03中检测学习能力的具体步骤是：

S031：将数据集分为测试集、验证集和训练集；

S032：用训练集训练学习器，训练好的学习器处理特征图I，得到处理结果；

S033：将处理结果与真实结果对比；

S034：处理结果与真实结果一致的部分，作为完成区；处理结果与真实结果不一致的部分，作为未完成区。

进一步地，所述测试集用于评估学习器的网络模型的学习精度，选择最优化的学习器网络模型。

进一步地，所述验证集用于挑选超参数，即用来确定网络结构或者控制模型复杂程度的参数。