[发明专利]语义分割模型的训练方法和装置、电子设备、存储介质

说明书

本发明实施例公开了一种语义分割模型的训练方法和装置、电子设备、存储介质，其中方法包括：通过语义分割模型，对各未标注图像进行图像语义分割，得到初步语义分割结果，作为所述未标注图像的类别；通过卷积神经网络，基于各所述未标注图像的类别，及各已标注图像的类别，得到各图像分别对应的子图像及子图像对应的特征，所述各图像包括各所述未标注图像及各所述已标注图像，所述各子图像携带有对应图像的类别；基于各子图像的类别，及各子图像之间的特征距离，训练语义分割模型。本发明上述实施例训练得到的语义分割模型，在语义分割上能获得较高的准确率。

技术领域

本发明涉及计算机视觉技术，尤其是一种语义分割模型的训练方法和装置、电子设备、存储介质。

背景技术

图像语义分割通过对输入图像的每一个像素在输出上都分配对应的判断标注，标明这个像素最可能是属于一个什么物体或类别。是计算机视觉领域的一个重要任务，其应用包括机器场景理解、视频分析等。

为了使图像语义分割的结果更准确，需要对图像语义分割模型进行训练。

发明内容

本发明实施例所要解决的一个技术问题是：提供一种语义分割模型的训练技术。

本发明实施例提供的一种语义分割模型的训练方法，包括：

通过语义分割模型，对各未标注图像进行图像语义分割，得到初步语义分割结果，作为所述未标注图像的类别；

通过卷积神经网络，基于各所述未标注图像的类别，及各已标注图像的类别，得到各图像分别对应的子图像及子图像对应的特征，所述各图像包括各所述未标注图像及各所述已标注图像，所述各子图像携带有对应图像的类别；

基于各子图像的类别，及各子图像之间的特征距离，训练语义分割模型。

根据本发明实施例的一个方面，提供的一种语义分割模型的训练装置，其特征在于，包括：

分割单元，用于通过语义分割模型，对各未标注图像进行图像语义分割，得到初步语义分割结果，作为所述未标注图像的类别；

子图像提取单元，用于通过卷积神经网络，基于各所述未标注图像的类别，及各已标注图像的类别，得到各图像分别对应的子图像及子图像对应的特征，所述各图像包括各所述未标注图像及各所述已标注图像，所述各子图像携带有对应图像的类别；

训练单元，用于基于各子图像的类别，及各子图像之间的特征距离，训练语义分割模型。

根据本发明实施例的一个方面，提供的一种电子设备，包括处理器，所述处理器包括如上所述的语义分割模型的训练装置。

根据本发明实施例的一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；

以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上所述语义分割模型的训练方法的操作。

根据本发明实施例的一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行如上所述语义分割模型的训练方法的操作。

基于本发明上述实施例提供的一种语义分割模型的训练方法和装置、电子设备和存储介质，通过语义分割模型对未标注图像进行图像语义分割，使未标注图像能够得到一个带噪声的类别，基于未标注图像的类别，及已标注图像的类别，得到各图像分别对应的子图像，将标注图像和未标注图像都应用到训练中，实现了自监督训练；通过卷积神经网络，实现对子图像进行特征提取，基于各子图像的类别，及各子图像之间的特征距离，实现对语义分割模型的训练，通过训练得到具有较强的语义区分能力的自监督学习的语义分割模型，在语义分割上能获得较高的准确率。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明