[发明专利]优化部件分析模型编解码器网络及快速语义分割方法

权利要求书

1.优化部件分析模型编解码器网络及快速语义分割方法，其特征在于，所述方法包括构建并训练优化编-解码器架构网络、优化部件分析模型、实现快速复杂背景语义分割；具体包括以下步骤：

A构建部件分析模型编-解码器架构网络，并训练网络识别图像中的对象级语义对象响应值p_Object-j，部件级语义及部件响应值p_Part-k；

B使用对象响应值p_Object-j对部件响应值p_Part-k加权得到提高部件分析模型相关语义识别能力；

C由于对象级语义与部件级语义的互斥关系，即提高部件分析模型无关语义排除能力；

D构建优化部件分析模型编-解码器架构网络，实现复杂背景语义分割；

E调整主干网络深度，重新训练优化编-解码器架构网络，实现快速复杂背景语义分割。

2.如权利要求1所述的优化部件分析模型编解码器网络及快速语义分割方法，其特征在于，所述步骤A中部件分析模型编-解码器架构网络包括对象语义分割网络、部件语义分割网络及部件分析模型；

所述对象语义分割网络，能识别输出图像中的对象级语义对象响应值p_Object-j，在对象级标注上训练；

所述部件语义分割网络，能部件语义分割网络识别输出图像中的部件级语义部件响应值p_Part-k，在部件级标注上训练；

所述部件分析模型，能识别有效部件语义

3.如权利要求1所述的优化部件分析模型编解码器网络及快速语义分割方法，其特征在于，使用p_Object-j对p_Part-k加权得到由代替(即)后，部件分析模型变为：

令UperNet网络中对象级分类器实现N_object种对象语义识别，通过回归的对象概率向量那么概率最大语义将识别为对象语义，表达式为：

同理，令部件级分类器实现N_Part种部件语义识别，通过回归的部件概率向量那么概率最大语义将识别为部件语义，表达式为：

联立式(1)、式(2)、式(3)，可得：

对式(4)，通过p_Object-j对p_Part-k加权(系数为α_Part-k)得到代替即有：

即部件分析模型的相关语义识别能力将得到提升。

4.如权利要求1所述的优化部件分析模型编解码器网络及快速语义分割方法，其特征在于，所述步骤C中：由于与互斥关系，即提高部件分析模型无关语义排除能力具体包括：

对式(1)、式(4)，条件中，若与互斥，记所有构成部件集合为又有即有：

即部件分析模型的无关语义排除能力得到提升。

5.如权利要求1所述的优化部件分析模型编解码器网络及快速语义分割方法，其特征在于，步骤D中优化部件分析模型为：

用代替考虑与互斥关系的部件分析模型，联立式(5)、(6)，可以得到：