[发明专利]基于语义分割的砂石图像分割方法、装置、设备及介质

权利要求书

1.一种基于语义分割的砂石图像分割方法，其特征在于，包括：

获取多个砂石图像；

对所述砂石图像进行预处理，得到多个处理后的砂石图像，所述预处理包括图像增强处理以及滤波去噪处理；

将多个所述处理后的砂石图像切分成训练集以及测试集；

对所述训练集中的砂石图像中的砂子图像和石头图像分别进行标注，得到标注后的训练集；

根据所述标注后的训练集对预设的语义分割模型进行模型参数的训练，得到训练后的语义分割模型；

根据所述测试集对所述训练后的语义分割模型进行模拟测试，得到训练效果；

若所述训练效果中的分割正确率大于预设值，则根据所述训练后的语义分割模型对待分割砂石图像进行砂石分割处理。

2.根据权利要求1所述的方法，其特征在于，所述预设的语义分割模型包括特征提取模块和语义映射模块，所述特征提取模块包括多个特征提取单元，每个特征提取单元均由第一卷积层、池化层以及正则化层组成，所述语义映射模块由上采样层、第二卷积层以及SoftMax分类层组成。

3.根据权利要求2所述的方法，其特征在于，所述根据所述标注后的训练集对预设的语义分割模型进行模型参数的训练，得到训练后的语义分割模型，包括：

将所述标注后的训练集中的砂石样本图像输入所述预设的语义分割模型；

通过所述第一卷积层、所述池化层以及所述正则化层依次对所述砂石样本图像进行线性滤波处理、最大池化处理以及批量正则化处理，得到所述砂石样本图像的语义信息；

通过所述上采样层、所述第二卷积层以及所述SoftMax分类层依次对所述语义信息进行上采样处理、反卷积处理以及归一化概率计算处理，得到所述砂石样本图像的预测结果；

根据所述预测结果以及所述砂石样本图像对应的标注确定交叉熵损失值；

根据所述交叉熵损失值对所述预设的语义分割模型进行反向传播，得到训练后的语义分割模型。

4.根据权利要求3所述的方法，其特征在于，所述通过所述第一卷积层、所述池化层以及所述正则化层依次对所述砂石样本图像进行线性滤波处理、最大池化处理以及批量正则化处理，得到所述砂石样本图像的语义信息，包括：

通过所述第一卷积层中预设的线性滤波公式、所述池化层中预设的最大池化公式以及所述正则化层中预设的批量正则化公式依次对所述砂石样本图像进行线性滤波处理、最大池化处理以及批量正则化处理，得到所述砂石样本图像的语义信息，其中：

所述线性滤波公式为：

其中，f(x+s,y+t)为进行滤波的图像矩阵，w(s,t)为卷积核，g(x,y)为输出图像矩阵；

所述最大池化公式为：

其中，m,n为最大池化矩阵的维度，为最大池化之后的特征矩阵；

在所述正则化层中沿着通道计算每个batch的均值μ，方差σ²，做归一化，并且加入缩放和平移量γ和β，可批量正则化计算得：

其中，m为batch的数量，zⁱ代表批量正则化之后的传播值。

5.根据权利要求4所述的方法，其特征在于，所述通过所述上采样层、所述第二卷积层以及所述SoftMax分类层依次对所述语义信息进行上采样处理、反卷积处理以及归一化概率计算处理，得到所述砂石样本图像的预测结果，包括：

通过所述上采样层对所述语义信息对应的特征图像进行上采样，得到上采样后的特征图像；

通过所述第二卷积层中的所述线性滤波公式对所述上采样后的特征图像进行反卷积处理，得到反卷积后的特征图像；

通过所述SoftMax分类层对所述反卷积后的特征图像进行归一化概率计算，得到概率计算结果；

将所述概率结果中值最大的概率对应的结果确定为所述预测结果。