[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

说明书

本发明公开了一种优化部件分析模型编解码器网络及快速语义分割方法，包括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；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；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；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；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。

技术领域

本发明涉及图像分割技术领域，尤其涉及深度学习的快速复杂背景图像语义分割。

背景技术

现有越来越多的应用场景需要精确且高效的图像分割技术，如自动驾驶、室内导航、甚至虚拟现实与增强现实等。这个需求与视觉相关的各个领域及应用场景下的深度学习技术的发展相符合，尤其是基于深度学习的语义分割技术。语义分割网络中，多孔卷积架构语义分割网络移除主干网络部分池化层空间分辨率较强，主干网络与ASPP模块的约简优化是值得深入研究内容，可以在轻量化语义分割CNN识别应用；编-解码器架构语义分割网络保留更多分类网络中的组件，可用于实现复杂背景下的特征提取；全卷积网络FCN不改变主干网络的卷积层、池化层结构，可同时实现目标检测、语义分割，降低计算复杂度与数据存储。

本发明从机器视觉检测应用需求出发，在重点考虑对象部件语义响应值-语义互斥关系出发下，研究编-解码器架构网络的复杂背景语义分割技术，即要求检测算法仅识别出鉴别相关组件，忽略鉴别其他组件，在不同成像条件下把与鉴别无关语义识别成背景。

发明内容

为解决上述存在的问题与缺陷，本发明提出了优化部件分析模型编-解码器架构网络，提高部件分析模型相关语义识别能力、提高部件分析模型无关语义排除能力。

本发明的目的通过以下的技术方案来实现：

一种优化部件分析模型编解码器网络及快速语义分割方法，该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；具体包括如下：

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。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

优化部件分析模型编-解码器架构网络可在网络分割时间T_seg基本维持不变情况下，应用部件分析优化模块能使像素识别准确率若在T_seg要求苛刻的情况下，可以通过减小主干网络深度d_main，调整出像素识别准确率基本维持不变，而T_seg缩短的网络结构。

附图说明

图1是优化部件分析模型编解码器网络及快速语义分割方法流程框图；

图2a和2b是本发明优化部件分析模型与UperNet部件分析模型对比结构图。

具体实施方式