[发明专利]一种卷积神经网络训练方法及装置

说明书

本申请实施例公开了一种卷积神经网络训练方法，通过获取待分割图像以及待分割图像的标准分割图像，根据标准分割图像获取标准分割图像的纹理特征；将待分割图像输入到待训练卷积神经网络进行图像分割，得到训练分割图像，根据训练分割图像获取训练分割图像的纹理特征；根据训练分割图像的纹理特征与标准分割图像的纹理特征之间的差异，以及训练分割图像与标准分割图像之间各像素的类别标签差异对待训练卷积神经网络进行训练，得到目标卷积神经网络。该方法使训练分割图像与标准分割图像的差异体现的更加全面，根据全面的差异来对待训练卷积神经网络进行训练，使得到的目标卷积神经网络的准确率更高，实现更好的分割效果。

技术领域

本申请涉及图像处理领域，尤其涉及一种卷积神经网络训练方法及装置。

背景技术

图像分割(Image Segmentation)，是根据图像的某些视觉特征对图像的像素进行分组形成若干个不重叠区域的过程。具体的，图像分割就是将图像各个像素添加类别标签，以将不同类别的区域通过不同的颜色区别开来。

目前，图像分割需要先对卷积神经网络进行训练，然后利用训练得到的卷积神经网络对待处理图像进行图像分割。在训练的过程中，首先将待分割图像输入到待训练卷积神经网络中，通过待训练卷积神经网络进行图像分割，输出得到训练分割图像，然后将待训练卷积神经网络输出的训练分割图像的类别标签和标准分割图像的类别标签进行比对，根据比对结果对待训练卷积神经网络进行训练。

然而，通过上述方法得到的完成训练的卷积神经网络，在进行图像分割时准确率较低，分割效果较差。

发明内容

为了解决现有技术中图像分割准确率低，分割效果差的问题，本申请实施例提供了一种卷积神经网络训练方法及装置，用于提高图像分割的准确率。

本申请实施例提供了一种卷积神经网络训练方法，所述方法包括：

获取待分割图像以及所述待分割图像的标准分割图像；

根据所述标准分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征；

将所述待分割图像输入到待训练卷积神经网络进行图像分割，得到训练分割图像；

根据所述训练分割图像各像素携带的类别标签对应的颜色获取所述训练分割图像的纹理特征；

根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，得到目标卷积神经网络。

可选的，所述根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像之间各像素的类别标签差异对所述待训练卷积神经网络进行训练，包括：

根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别标签差异，得到所述待训练卷积神经网络的损失函数的值，根据所述损失函数的值更新所述待训练卷积神经网络的模型参数。

可选的，所述根据所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别差异，得到所述待训练卷积神经网络的损失函数的值，包括：

对所述训练分割图像的纹理特征与所述标准分割图像的纹理特征之间的差异，以及所述训练分割图像与所述标准分割图像的之间的各像素的类别差异进行加权求和，得到所述待训练卷积神经网络的损失函数的值。

可选的，所述根据所述标准分割图像各像素携带的类别标签对应的颜色获取所述标准分割图像的纹理特征，包括：