[发明专利]一种基于迭代分割的图像语义分割方法

权利要求书

1.一种基于迭代分割的图像语义分割方法，其特征在于，包括如下内容：

图像预处理，通过图像增强模型对输入的样本图像进行增强，得到增强样本图像，然后对所述增强样本图像进行若干次分割，每次分割后的数量均为前一次分割的倍数，以N₁、N₂，…，N_i表示，其中，N_i代表经过第i-1次分割后的增强样本图像数量；

卷积神经网络的训练，以分割后数量为N₁的增强样本图像作为初始训练样本训练卷积神经网络，以N₂为初始验证样本对卷积神经网络进行验证，对卷积神经网络的参数进行更新，再以N₃对卷积神经网络进行再次训练，以N₄对卷积神经网络进行验证，对卷积神经网络的参数进行更新，如此反复得到最终的卷积神经网络；

根据最终的卷积神经网络对图像进行语义分割，输出语义分割结果。

2.根据权利要求1所述的基于迭代分割的图像语义分割方法，其特征在于，对样本图像的图像预处理包括图像尺寸变换、图像质量检测和图像颜色校正，其中，所述图像尺寸变换用于改变图像尺寸，将样本图像修改成设定尺寸；所述图像质量检测用于判定图像质量是否满足训练需求，且在图像质量不满足训练需求时重新更换样本图像；所述图像颜色校正用于还原样本图像在标准光源下的真实色彩。

3.根据权利要求1所述的基于迭代分割的图像语义分割方法，其特征在于，所述图像预处理中，输入的样本图像为图片或视频。

4.根据权利要求1所述的基于迭代分割的图像语义分割方法，其特征在于，关于增强样本图像分割所得的数量为N₁、N₂，…的增强样本图像，数量为N_i的增强样本图像中，对仅包含背景的增强样本图像进行剔除。

5.根据权利要求1所述的基于迭代分割的图像语义分割方法，其特征在于，所述卷积神经网络，包括5层卷积层、5层最大池化层和2层全连层。

6.根据权利要求1所述的基于迭代分割的图像语义分割方法，其特征在于，所述卷积神经网络的训练中，选定其中一个增强样本图像，分别输入至以当前增强样本图像训练所得的当前卷积神经网络模型和前一次卷积神经网络模型中，以两者输出的结果确定损失函数，当损失函数的值超出预设阈值时，更新当前卷积神经网络模型的模型参数。

7.根据权利要求6所述的基于迭代分割的图像语义分割方法，其特征在于，卷积神经网络的训练中，当选择的增强样本图像数量为多个时，通过加权的方式来确定最终的损失函数。

8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有实现基于迭代分割的图像语义分割方法的计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1所述基于迭代分割的图像语义分割方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现基于迭代分割的基于迭代分割的图像语义分割方法的计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1所述基于迭代分割的图像语义分割方法的步骤。