[发明专利]语义分割网络训练和图像语义分割方法、装置及设备

说明书

本发明实施例公开了一种语义分割网络训练和图像语义分割方法、装置及设备。其中，语义分割网络训练方法，包括：将样本图像输入至分类网络进行特征提取，并根据提取到的分类样本特征图，确定所述样本图像中的种子区域；将样本图像输入至分割网络进行特征提取，并根据提取到的分割样本特征图和所述样本图像对应的标签，确定分割网络输出的初始分割结果；以所述种子区域作为监督信息，基于所述初始分割结果，采用种子区域生长模型和条件随机场模型，对分割网络进行训练，得到训练完毕的语义分割网络。本发明实施例的技术方案，通过样本图像先验类别信息进行分割网络训练，缓解分割网络噪声类别输出问题，提高图像语义分割效果。

技术领域

本发明实施例涉及计算机视觉技术，尤其涉及一种语义分割网络训练和图像语义分割方法、装置及设备。

背景技术

作为计算机视觉领域的关键任务，图像语义分割成为近年来的研究热点，并广泛应用于医疗图像诊断、自动驾驶、卫星图像的地理信息标注、机器人语义、即时定位与地图构建(Simultaneous Localization and Mapping，SLAM)等领域。

如今大量语义分割方案围绕全监督卷积神经网络展开研究，这类方案需要人工对样本图像进行像素级别的标注，耗费大量人力成本，因此，基于弱监督学习的图像语义分割方法称为了研究的重要方向。

种子区域生长的方法是基于弱监督学习的图像语义分割中的常用方法，在基于种子区域生长类的方法中，通常会使用各类种子点定位方法获取初始的种子区域，随后分割掩码基于种子区域进行扩张并随着模型逐步迭代至收敛形成最终的分割结果。基于区域生长的语义分割方法依赖于种子区域的质量以及区域生长条件，因此，如何获取更优的种子区域，且优化区域生长条件对于提高语义分割效果十分重要。

发明内容

本发明实施例提供一种语义分割模型训练和图像语义分割方法、装置、设备及介质，通过样本图像先验类别信息进行分割网络训练，缓解分割网络噪声类别输出问题，提高图像语义分割效果。

第一方面，本发明实施例提供了一种语义分割网络训练方法，所述方法包括：

将样本图像输入至分类网络进行特征提取，并根据提取到的分类样本特征图，确定所述样本图像中的种子区域；

将样本图像输入至分割网络进行特征提取，并根据提取到的分割样本特征图和所述样本图像对应的标签，确定分割网络输出的初始分割结果；

以所述种子区域作为监督信息，基于所述初始分割结果，采用种子区域生长模型和条件随机场模型，对分割网络进行训练，得到训练完毕的语义分割网络。

第二方面，本发明实施例提供了一种图像语义分割方法，所述方法包括：

将待分割图像作为语义分割网络的输入，所述语义分割网络预先采用本发明任意实施例提供的语义分割网络训练方法进行训练；

根据所述语义分割网络的输出结果，确定所述待分割图像的分割结果。

第三方面，本发明实施例还提供了一种语义分割网络训练装置，所述装置包括：

种子区域确定模块，用于将样本图像输入至分类网络进行特征提取，并根据提取到的分类样本特征图，确定所述样本图像中的种子区域；

初始分割结果确定模块，用于将样本图像输入至分割网络进行特征提取，并根据提取到的分割样本特征图和所述样本图像对应的标签，确定分割网络输出的初始分割结果；

分割网络训练模块，用于以所述种子区域作为监督信息，基于所述初始分割结果，采用种子区域生长模型和条件随机场模型，对分割网络进行训练，得到训练完毕的语义分割网络。

第四方面，本发明实施例提供了一种图像语义分割装置，所述装置包括：