[发明专利]语义分割模型的生成方法及装置、图像的处理方法

说明书

本公开提供了语义分割模型的生成方法及装置、图像的处理方法，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理、物体检测和分割等场景。具体实现方案为：获取样本数据，样本数据包括未进行标注的图像数据以及进行标注的图像数据；将样本数据分别输入两个神经网络，得到两个神经网络的输出结果，输出结果包括：输出置信度以及输出置信度对应的标签；根据两个神经网络的输出结果，利用样本数据更新两个神经网络的网络参数；将第一神经网络对应的标签作为第二神经网络的输出置信度的监督信号，将第二神经网络对应的标签作为第一神经网络的输出置信度的监督信号，其中，两个神经网络包括第一神经网络和第二神经网络。

技术领域

本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理、物体检测和分割等场景。

背景技术

不同于图像分类任务，数据的标注对于语义分割任务来说是比较困难而且成本高昂的，需要为图像的每一个像素标注一个标签，但是可以很容易获取RGB数据，比如，通过摄像头拍摄图像。那么，如何利用大量的无标注数据去提高语义分割模型的性能，成为半监督语义分割领域研究的关键问题。

发明内容

本公开提供了一种语义分割模型的生成方法及装置、图像的处理方法、电子设备、计算机程序产品以及存储介质。

根据本公开的一方面，提供了一种语义分割模型的生成方法，包括：获取样本数据，其中，样本数据包括未进行标注的图像数据以及进行标注的图像数据；将样本数据分别输入两个神经网络，得到两个神经网络的输出结果，其中，输出结果包括：输出置信度以及输出置信度对应的标签；根据两个神经网络的输出结果，利用样本数据更新两个神经网络的网络参数；将第一神经网络对应的标签作为第二神经网络的输出置信度的监督信号，将第二神经网络对应的标签作为第一神经网络的输出置信度的监督信号，其中，两个神经网络包括第一神经网络和第二神经网络。

根据本公开的另一方面，提供了一种图像的处理方法，包括：获取待处理的图像；将图像输入至语义分割模型进行分类处理，其中，语义分割模型基于以上的语义分割模型的生成方法训练生成。

根据本公开的另一方面，还提供了一种语义分割模型的生成装置，包括：第一获取模块，设置为获取样本数据，其中，样本数据包括未进行标注的图像数据以及进行标注的图像数据；输入模块，设置为将样本数据分别输入两个神经网络，得到两个神经网络的输出结果，其中，输出结果包括：输出置信度以及输出置信度对应的标签；第一处理模块，设置为根据两个神经网络的输出结果，利用样本数据更新两个神经网络的网络参数；第二处理模块，设置为将第一神经网络对应的标签作为第二神经网络的输出置信度的监督信号，将第二神经网络对应的标签作为第一神经网络的输出置信度的监督信号，其中，两个神经网络包括第一神经网络和第二神经网络。

根据本公开的另一方面，提供了一种图像的处理装置，包括：第二获取模块，设置为获取待处理的图像；分类模块，设置为将图像输入至语义分割模型进行分类处理，其中，语义分割模型基于以上的语义分割模型的生成方法训练生成。

根据本公开的另一方面，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行以上的语义分割模型的生成方法以及图像的处理方法。

根据本公开的再一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行以上的语义分割模型的生成方法以及以上的处理方法。

根据本公开的再一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现以上的语义分割模型的生成方法以及图像的处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明