[发明专利]样本图像生成、图像处理、智能行驶控制方法及装置

说明书

本公开提供了一种样本图像生成、图像处理、智能行驶控制方法及装置，包括：获取源域图像、所述源域图像的第一标注信息、以及目标域图像；基于表征多种物体在源域的各个图像中分布特征的空间先验分布矩阵、以及所述目标域图像的第一语义分割图像，将所述源域图像和目标域图像进行语义融合，得到融合图像；以及对所述第一语义分割图像、以及所述源域图像的第一标注信息进行语义融合，得到所述融合图像对应的第二标注信息；根据融合图像以及所述融合图像对应的第二标注信息，生成样本图像。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种样本图像生成、图像处理、智能行驶控制方法及装置。

背景技术

一般的，在对神经网络的有监督训练中，需要预先获取带有标注信息的样本数据，然后利用样本数据对神经网络进行训练。然而由于神经网络在训练过程中所需要的样本数据较多，样本数据的标注比较耗时，基于此，人们提出了无监督领域自适应的方法来训练神经网络。

在利用无监督领域自适应的方法训练神经网络时，通常需要将有标签的样本图像和无标签的样本图像进行融合，并基于融合后的图像、以及对应样本图像的标签，生成新的样本图像，对神经网络进行训练，使得神经网络既能够学习到有标签的样本图像的特征，又能够学习到无标签的样本图像的特征。

当前在将有标签的样本图像和无标签的样本图像进行融合的过程中，一般是将有标签的样本图像与无标签的样本图像进行对位融合，这种对位融合的方式可能会造成融合图像中各个物体分布不合理的情况；例如若源域中的样本图像中包括电线杆、汽车等，在将有标签的样本图像与无标签的样本图像进行融合后，电线杆可能会出现在道路中央，汽车可能会出现在天空中，这样就会导致样本数据的标注不合理，从而影响神经网络的训练精度。

发明内容

本公开实施例至少提供一种样本图像生成、图像处理、智能行驶控制方法及装置。

第一方面，本公开实施例提供了一种样本图像生成方法，包括：

获取源域图像、所述源域图像的第一标注信息、以及目标域图像；

基于表征多种物体在源域的各个图像中分布特征的空间先验分布矩阵、以及所述目标域图像的第一语义分割图像，将所述源域图像和目标域图像进行语义融合，得到融合图像；

以及对所述第一语义分割图像、以及所述源域图像的第一标注信息进行语义融合，得到所述融合图像对应的第二标注信息；

根据融合图像以及所述融合图像对应的第二标注信息，生成样本图像。

上述方法中，基于第一语义分割图像，可以获取目标域图像中的各类物体，然后利用预先定义的表征物体在图像中分布情况的空间先验分布矩阵，将目标域图像中的各类物体融合到源域图像中，得到融合图像，在所述空间先验分布矩阵的指导下，各类物体能够在得到的融合图像中的位置具有更合理的分布，从而使得生成的样本数据更加合理。进而在利用融合图像训练神经网络时，降低由于融合图像中物体分布不合理为神经网络的精度造成的干扰，提升神经网络的精度。

一种可能的实施方式中，所述基于表征多种物体在源域的各个图像中分布特征的空间先验分布矩阵、以及所述目标域图像的第一语义分割图像，将所述源域图像和目标域图像进行语义融合，得到融合图像，包括：

基于所述空间先验分布矩阵和所述目标域图像的第一语义分割图像，确定所述第一语义分割图像对应的目标掩码图像；

基于所述目标掩码图像将所述源域图像和所述目标域图像进行语义融合，得到所述融合图像。

这样，在将源域图像和目标域图像进行融合时，由于基于空间先验分布矩阵确定的目标掩码图像已经结合了各个物体在图像中的分布规律，因此，基于目标掩码图像所得到的融合图像能够更加符合各个物体的真实分布。