[发明专利]一种像素级标签自动生成模型构建、自动生成方法及装置

权利要求书

1.一种像素级标签自动生成模型构建方法，用于获得待标注图像的标签自动生成模型，其特征在于，按照以下步骤执行：

步骤1、获取与所述待标注图像的语义相似的现有图像集，获得语义相似图像集；

或

获取多幅包含待标注图像中待标注对象的单一背景图像，获得简单图像集；

利用所述的语义相似图像集或简单图像集对深度神经网络训练获得预标注模型；

步骤2、将所述的待标注图像输入至获得的预标注模型中，获得预标注图像标签；

将所述待标注图像作为输入，将所述的预标注图像标签作为Ground-Truth，训练网络，所述的网络包括依次设置的深度神经网络以及指导滤波器；

获得再标注模型；

步骤3、将所述的待标注图像输入至再标注模型或新的再标注模型中，获得再标注图像标签；

将所述待标注图像作为输入，将所述的再标注图像标签作为Ground-Truth，训练所述的再标注模型，获得新的再标注模型；

步骤4、重复N次执行步骤3，N大于1，将最后一次执行步骤3获得的新的再标注模型作为标签自动生成模型，结束。

2.如权利要求1所述的像素级标签自动生成模型构建方法，其特征在于，所述的再标注模型以及新的再标注模型中的损失函数L为：

其中h表示待标注图像在高度方向上包含的像素点个数，w表示待标注图像在宽度方向上包含的像素点个数，表示待标注图像在高度方向上的第i个在宽度方向上的第j个像素点属于第c类再标注图像标签的后验概率，表示待标注图像在高度方向上的第i个在宽度方向上的第j个像素点属于第c类再标注图像标签的概率，c＝1,2，…，C，C表示再标注图像标签的总类数，β^c表示第c类再标注图像标签的贡献因子；

其中β^c采用式II获得：

其中T^c表示待标注图像的每个像素点属于第c类预标注图像标签的概率之和，R^c表示待标注图像的每个像素点属于第c类再标注图像标签的概率之和。

3.如权利要求1所述的像素级标签自动生成模型构建方法，其特征在于，所述的步骤1按照以下步骤执行：

步骤1.1、在现有的带有像素级的标签数据集中找到所述待标注图像的语义相似图像集，若存在语义相似图像集，获得语义相似图像集对应的标签集后执行步骤1.2；否则执行步骤1.3；

步骤1.2、利用所述的语义相似图像集以及所述语义相似图像集对应的图像标签集训练深度神经网络，获得预标注模型；

步骤1.3、采集多幅包含待标注图像中待标注对象的单一背景图像，获得简单图像集；利用阈值分割的方法对所述的简单图像集中的每一幅图像进行标签标注，获得简单图像集对应的图像标签集；

利用所述的简单图像集以及简单图像集对应的图像标签集训练深度神经网络，获得预标注模型。

4.如权利要求1所述的像素级标签自动生成模型构建方法，其特征在于，所述的深度神经网络为DeepLabv3+网络。

5.一种像素级标签自动生成方法，其特征在于，按照以下步骤执行：

步骤A、获取待标注图像；

步骤B、利用权利要求1-4任一项权利要求所述的像素级标签自动生成模型构建方法构建待标注图像的标签自动生成模型；

步骤C、将所述的待标注图像输入至步骤B获得的标签自动生成模型，输出图像像素级标签。