[发明专利]一种弱标签语义分割标定数据生成方法及系统

权利要求书

1.一种弱标签语义分割标定数据生成方法，其特征在于包括以下步骤：

1)获取与目标框有重叠区域的锚框对重叠区域内每个像素点的分类分数；

2)计算与目标框有重叠区域的锚框对重叠区域内每个像素点的投票权重；

3)计算与目标框有重叠区域的锚框对重叠区域内每个像素点的加权投票结果；

4)根据加权投票结果，标定原图中每个像素点所属的类别；

所述步骤2)中，与目标框有重叠区域的锚框对重叠区域内每个像素点的投票权重的计算方法包括以下步骤：

2.1)计算锚框对其与目标框重叠区域内每个像素点的位置权重：采用离散二维高斯函数来赋予位于该锚框内部不同位置的像素点不同的位置权重，该锚框对重叠区域内每个像素点的位置权重为weight_p,i,j；

2.2)计算锚框对其与目标框重叠区域内每个像素点的尺度权重：采用锚框、目标框及其重叠区域的尺度来赋予位于不同锚框内部的像素点不同的尺度权重；该锚框对重叠区域内每个像素点的位置权重weight_s,i,j的计算方法为重叠区域的面积除以锚框的面积，再乘以重叠区域的面积除以目标框的面积；

2.3)计算锚框对其与目标框重叠区域内每个像素点的投票权重：对于锚框与目标框重叠区域的每个像素点，使用其位置权重与尺度权重的乘积作为其投票权重weight_v,i,j为：

weight_v,i,j＝weight_p,i,j·weight_s,i,j；

2.4)重复步骤2.1)至步骤2.3)，直到获得与所有目标框有重叠区域的全部锚框对重叠区域内每个像素点的投票权重。

2.如权利要求1所述方法，其特征在于：所述步骤1)中，获取与目标框有重叠区域的锚框，对重叠区域内每个像素点的分类分数的方法包括以下步骤：

1.1)对于目标检测算法中与当前的第m个目标框O_m有重叠区域的第n个锚框A_n，读取算法分类器末端的softmax层输出的该锚框的分类结果Y_n；

锚框A_n对其与当前目标框O_m的重叠区域的像素点的第k个类别的分数S_m,n,k等于Y_n中关于第k个类别的分数y_n,k：

其中，C+1代表目标的类别数量，即C个前景类别加上1个背景类别；

1.2)重复步骤1.1)中的操作，直到获得与所有目标框有重叠区域的全部锚框对重叠区域内每个像素点的分类分数。

3.如权利要求1所述方法，其特征在于：所述步骤3)中，与目标框有重叠区域的锚框对重叠区域内每个像素点的加权投票结果的计算方法包括以下步骤：

3.1)使用锚框对其与目标框重叠区域内每个像素点进行加权投票；

3.2)根据步骤3.1)中的加权投票计算锚框与目标框重叠区域内每个像素点的加权投票结果。

4.如权利要求3所述方法，其特征在于：所述步骤3.1)中，对于任意锚框A_n对其与当前目标框O_m的重叠区域的像素点，使用其每个分类的分数与该像素点投票权重的乘积作为锚框A_n与当前目标框O_m对该像素点的投票结果：锚框A_n对该像素点的每个类别的加权投票分数

其中，C+1代表目标的类别数量，即C个前景类别加上1个背景类别。

5.如权利要求4所述方法，其特征在于：所述步骤3.2)中，对于锚框与目标框重叠区域的每个像素点，将所有与之相关的N个锚框与M个目标框对该像素点的加权投票分数中属于每个类别的分数对位相加，得到该像素点的加权投票结果：该像素点每个类别最终获得的加权投票总分数R_k,i,j：

其中，C+1代表目标的类别数量，即C个前景类别加上1个背景类别。