[发明专利]基于联合学习的语义边缘检测方法、装置、系统及介质

说明书

本发明公开了基于联合学习的语义边缘检测方法、装置、系统及存储介质，方法包括：预先构建生成对抗网络和边缘检测网络；获取边缘噪声样本，根据所述边缘噪声样本对所述生成对抗网络和边缘检测网络进行噪声学习和边缘检测的联合学习训练，当边缘检测结果达到期望值时得到完成联合学习训练的生成对抗网络和边缘检测网络；将待检测图像输入至所述完成联合学习训练的边缘检测网络后输出语义边缘检测结果。本发明实施例通过在统一的框架内构建生成对抗网络和边缘检测网络进行联合学习，同时执行噪声学习任务和边缘检测任务，形成闭环训练结构，能有效提高各任务的性能，使得联合学习后得到的边缘检测网络具有更加精确和清晰的语义边缘检测效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于联合学习的语义边缘检测方法、装置、系统及存储介质。

背景技术

图像边缘是识别一个物体的重要线索，例如在缺少很大一部分边界的情况下，也还是可以仅从草图中识别物体，而边缘也被证明对三维重建、定位和图像生成很有用。

然而，目前对图像边界进行精确标注速度非常慢，否则达不到精度的要求，因此，大多数现有数据集包含显著的标注噪声，这可能是大多数的检测器输出厚边界预测的根本原因，而厚边界预测对下游任务来说是不可取的。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供基于联合学习的语义边缘检测方法、装置、系统及存储介质，旨在解决现有技术中的语义边缘预测过厚的问题。

本发明的技术方案如下：

一种基于联合学习的语义边缘检测方法，其包括如下步骤：

预先构建生成对抗网络和边缘检测网络；

获取边缘噪声样本，根据所述边缘噪声样本对所述生成对抗网络和边缘检测网络进行噪声学习和边缘检测的联合学习训练，当边缘检测结果达到期望值时得到完成联合学习训练的生成对抗网络和边缘检测网络；

将待检测图像输入至所述完成联合学习训练的边缘检测网络后输出语义边缘检测结果。

所述的基于联合学习的语义边缘检测方法中，所述生成对抗网络包括用于生成模拟真实噪声样本的生成器网络，以及用于对所述模拟真实噪声样本进行真伪识别以及分类的判别器网络。

所述的基于联合学习的语义边缘检测方法中，所述构建边缘检测网络，具体包括：

构建用于边缘检测的卷积神经网络，以及用于训练所述卷积神经网络的损失函数，其中所述卷积神经网络包括用于对语义边缘进行分类预测的边缘细化层。

所述的基于联合学习的语义边缘检测方法中，所述损失函数包括交叉熵损失、NMS损失以及方向损失。

所述的基于联合学习的语义边缘检测方法中，所述边缘细化层具体通过计算边缘法线方向进行边缘分类预测。

所述的基于联合学习的语义边缘检测方法中，所述获取边缘噪声样本，根据所述边缘噪声样本对所述生成对抗网络和边缘检测网络进行噪声学习和边缘检测的联合学习训练，当边缘检测结果达到期望值时得到完成联合学习训练的生成对抗网络和边缘检测网络，包括：

获取边缘噪声样本并将其输入至所述生成器网络，通过所述生成器网络生成模拟真实噪声样本；

将所述模拟真实噪声样本经所述判别器网络识别真伪后输入至所述边缘检测网络；

根据当前输入的模拟真实噪声样本以及损失函数对所述边缘检测网络进行边缘检测训练，反馈边缘检测结果至所述生成对抗网络；

根据所述边缘检测结果调节所述生成对抗网络的参数直到边缘检测结果达到期望值，得到完成联合学习训练的生成对抗网络和边缘检测网络。