[发明专利]一种双分支半监督红外舰船目标分割方法

说明书

本发明公开了一种双分支半监督红外舰船目标分割方法，首先，按照一定的比例划分训练集和测试集，并且把训练集中的数据按照不同的比例划分为有标签图像和无标签图像；其次，构建双分支半监督红外舰船目标分割模型；接着，训练模型：第一步，以改进的分割交叉熵损失作为损失函数，使用反向传播和梯度下降算法Adam训练双学习网络分支中的学习网络A、B，然后，利用训练好的学习网络A、B为无标签图像生成伪标签，接着，利用有标签数据和无标签数据训练分割网络分支中的分割网络F，以分割交叉熵损失作为损失函数，使用反向传播和梯度下降算法Adam训练分割网络F。本发明的双分支的半监督红外舰船目标分割方法有效地提高了红外舰船目标的分割性能。

技术领域

本发明属于红外图像目标分割领域，尤其涉及一种双分支半监督红外舰船目标分割方法。

背景技术

红外舰船目标分割是指对一幅红外舰船图像中的像素点进行分类，并标记出舰船目标。红外舰船目标分割不仅有助于打击非法船只，而且能够实现准确海上救援，对维护海洋安全、保卫海洋权益、守护人民生命财产安全具有重要作用。

红外舰船目标分割是目标分割问题中比较重要且具有挑战性的任务，目前，大多数红外舰船分割的方法是基于全监督学习的方法。即，首先设计一个深度网络模型，然后使用全部精确标注的图像进行训练，使网络具有图像分割的能力，进而得到测试图像的分割结果。尽管全监督学习方法取得了不错的分割效果，但是全监督方法需要所有数据的精确标注的像素级标签进行训练，对于红外舰船图像来说，获得这些标签较为费时费力。

半监督学习方法在训练时不需要所有图像都有对应的像素级标签，旨在实现使用少量标注图像和大量无标注图像训练网络，实现红外舰船的目标分割，提升分割准确率。本发明，首先，设计了一种对无标签数据生成伪标签的方法；然后，利用有标签数据和带有伪标签的无标签数据来训练分割网络，获得红外舰船目标分割结果。本发明可操作性，通用性较强，能够完成不同的红外图像目标分割任务。

发明内容

本发明主要解决的技术问题是，提供一种基于双分支的半监督红外舰船目标分割方法，能够解决训练集所需有标签图像过多的问题。本发明，首先，通过双学习网络对无标签图像生成伪标签，把无标签图像扩展为有标签图像；然后，利用所有训练集图像训练分割网络，提升分割网络的分割性能。为实现上述目标，本发明采用如下的技术方案：

一种双分支半监督红外舰船目标分割方法包括以下步骤：

步骤1：将数据集D以4：1划分为训练集D_train(包含N_train个样本)和测试集D_test(包含N_test个样本)，训练集D_train(包含N_train个样本)以M∶1(M∈{2，4，8})划分为有标签数据集T_label(包含N_label个样本)和无标签数据集T_unlabel(包含N_unlabel个样本)；

步骤2：构建双分支半监督红外舰船目标分割模型，该模型由两个分支组成：双学习网络分支和分割网络分支；双学习网络由两个相同的网络A和B组成，分割网络包含一个分割网络F，学习网络A、B和分割网络F都是以UNet作为骨干网络；对于第i(1≤i≤N_train)个输入样本x_i(1≤i≤N_train)，双分支半监督红外舰船目标分割模型首先使用双学习网络获得无标签数据的伪标签，然后使用有标签数据和带伪标签的无标签数据训练分割网络，获得分割结果

步骤3：训练双分支半监督红外舰船目标分割网络，具体步骤包括：