[发明专利]训练数据生成方法、生成装置及其图像语义分割方法

说明书

本发明实施例公开了一种训练数据生成方法、生成装置及其图像语义分割方法。所述训练数据生成方法包括：为三维立体场景中的物体模型设置对应的类别标签；通过改变所述三维立体场景的场景参数，获取对应的若干张场景图；将所述物体模型渲染为与物体模型的类别标签对应的单色材质；基于渲染后的物体模型获取与每一张场景图对应的语义分割图；将每一张场景图和与对应的场景图对应的语义分割图存储为一组训练数据。该方法能够快速的产生大量满足使用要求的，反映不同时间的场景图片和语义分割图片，极大的节省了时间和人力。

技术领域

本发明涉及图像处理技术领域，特别是涉及训练数据生成方法、生成装置及其图像语义分割方法。

背景技术

对于机器学习(尤其是深度学习)而言，其算法的运行需要以大量的样本数据为基础。样本数据的准确性和丰富程度对于机器学习具有非常重要的意义。

例如，基于深度学习实现的真实场景的语义分割需要使用大量的训练数据集对神经网络模型进行训练，才能使训练后的神经网络模型能够获得较好的语义分割结果。

上述训练数据集包括：室内外场景的图片以及对其进行精确语义分割后的图片。其中，为保证模型的训练效果，一方面，所述室内外场景的图片应当包含尽量多的场景以及每个场景在不同时间、光照、天气等条件下的图片。另一方面，则需要对应的语义分割图能够按照物体类别进行准确的分割。

而生成所述室内外场景的图片对应的语义分割图，则需要对首先对场景图片内的物体按照物体类别进行精确的分割。然后，标注图片中每一类物体的区域，形成对应的语义分割图。

发明人在研究现有技术的过程中发现：现有的训练数据集中，对场景图片的采集和语义分割图的标注通常采用纯手动的人工方式，需要耗费大量的时间和人力。而且，对于某个特定的室内外场景，其可以采集的场景图片比较有限。语义分割图的分割精度也难以保证。

发明内容

本发明至少一个实施例主要解决现有技术中使用纯手动方式建立训练数据集耗费的时间和人力较多，样本数据不够丰富和准确的问题。

为解决上述技术问题，本发明实施例采用的一个技术方案是：提供一种训练数据生成方法。所述训练数据生成方法包括：为三维立体场景中的物体模型设置对应的类别标签；通过改变所述三维立体场景的场景参数，获取对应的若干张场景图；将所述物体模型渲染为与物体模型的类别标签对应的单色材质；基于渲染后的物体模型获取与每一张场景图对应的语义分割图；将每一张场景图和与对应的场景图对应的语义分割图存储为一组训练数据。

为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种训练数据生成装置。所述训练数据生成装置包括：分类模块，用于为三维立体场景中的物体模型设置对应的类别标签；场景图生成模块，用于通过改变所述三维立体场景的场景参数，获取对应的若干张场景图；渲染模块，用于将所述物体模型渲染为与物体模型的类别标签对应的单色材质；语义分割图生成模块，用于基于渲染后的物体模型，获取与每一张场景图对应的语义分割图；以及存储模块，用于将每一张场景图和与对应场景图对应的语义分割图存储为一组训练数据。

为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种图像语义分割方法。所述图像语义分割方法应用如上所述的训练数据生成方法生成的场景图和对应的语义分割图作为训练数据。

为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种电子设备。所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令程序，所述指令程序被所述至少一个处理器执行，以使所述至少一个处理器执行如上所述的方法。

为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种计算机程序产品。所述计算机程序产品包括：非易失性计算机可读存储介质以及内嵌于所述非易失性计算机可读存储介质的计算机程序指令；所述计算机程序指令包括用以使处理器执行如上所述的方法的指令。