[发明专利]语义分割方法、装置、计算机设备和存储介质

权利要求书

1.一种语义分割方法，其特征在于，所述方法包括：

获取待进行语义分割的目标图像；

将所述目标图像输入到预先训练的目标语义分割网络中，得到所述目标语义分割网络输出的目标分割结果；所述目标分割结果包括所述目标图像中各像素点对应的目标语义标签；

其中，所述目标语义分割网络是根据样本图像中具有同类语义标签的像素点之间的相关性，以及所述样本图像对应的标注训练得到的。

2.根据权利要求1所述的方法，其特征在于，在所述将所述目标图像输入到预先训练的目标语义分割网络中之前，所述方法还包括：

获取训练样本集合；所述训练样本集合包括多个所述样本图像和各所述样本图像对应的标注；所述样本图像对应的标注包括所述样本图像中各像素点对应的实际语义标签；

将所述样本图像输入到初始的语义分割网络中，得到所述初始的语义分割网络输出的训练分割结果；所述训练分割结果包括所述样本图像中各像素点对应的训练语义标签；

利用预先设置的损失函数和所述训练分割结果计算总损失值；所述总损失值表征所述样本图像中具有同类语义标签的像素点之间的相关性，以及所述训练分割结果与所述样本图像对应的标注之间的差异性；

根据所述总损失值对所述初始的语义分割网络中的可调参数进行调整，直到所述总损失值符合收敛条件为止，并将所述总损失值符合所述收敛条件时的语义分割网络作为所述目标语义分割网络。

3.根据权利要求2所述的方法，其特征在于，所述利用预先设置的损失函数和所述训练分割结果计算总损失值，包括：

利用预先设置的第一损失函数和所述训练分割结果计算第一损失值；所述第一损失值表征所述样本图像中具有同类语义标签的像素点之间的相关性；

利用预先设置的第二损失函数和所述训练分割结果计算第二损失值；所述第二损失值表征所述训练分割结果与所述标注之间的差异性；

对所述第一损失值和所述第二损失值进行求和计算，得到所述总损失值。

4.根据权利要求3所述的方法，其特征在于，所述利用预先设置的第一损失函数和所述训练分割结果计算第一损失值，包括：

根据所述训练分割结果，对各类训练语义标签对应的像素点进行统计，得到各类训练语义标签对应的像素点集合；

针对各类训练语义标签对应的像素点集合，利用所述第一损失函数计算所述像素点集合中每两个像素点的概率的散度和，得到各类训练语义标签对应的第一散度和；

对多类训练语义标签对应的第一散度和进行求和计算，得到所述第一损失值。

5.根据权利要求4所述的方法，其特征在于，所述利用所述第一损失函数计算所述像素点集合中每两个像素点的概率的散度和，得到各类训练语义标签对应的第一散度和，包括：

针对各像素点集合，将所述像素点集合中的一个像素点作为目标像素点，利用所述第一损失函数计算所述目标像素点与所述像素点集合中除所述目标像素点之外的像素点的第二散度和，直到所述像素点集合中的像素点循环完毕，得到多个所述第二散度和；

对多个所述第二散度和进行求和计算，得到一类训练语义标签对应的第一散度和。

6.根据权利要求2所述的方法，其特征在于，所述利用预先设置的第二损失函数和所述训练分割结果计算第二损失值，包括：

利用所述第二损失函数计算所述训练分割结果中各像素点的概率与所述标注中对应像素点的实际语义标签之间的损失，得到各像素点对应的损失值；

对多个像素点对应的损失值进行求和计算，得到所述第二损失值。

7.根据权利要求2所述的方法，其特征在于，所述样本图像、所述标注和所述训练分割结果均为多维度向量；

所述样本图像的维度包括批数据大小、类别数、样本图像宽度和样本图像高度；

所述标注的维度包括批数据大小、样本图像宽度和样本图像高度；

所述训练分割结果的维度包括批数据大小、类别数、样本图像宽度和样本图像高度。