[发明专利]一种鱼眼图像遮挡类别的判别方法及装置

权利要求书

1.一种鱼眼图像遮挡类别的判别方法，其特征在于，包括：

将鱼眼图像输入预先建立的鱼眼图像遮挡类别判别模型，输出得到带有遮挡分类信息的目标鱼眼图像；

所述鱼眼图像遮挡类别判别模型的建立过程，包括：

获取若干鱼眼拍摄图像，并对若干所述鱼眼拍摄图像进行标签处理和像素化处理，得到若干鱼眼标签图像，每一鱼眼标签图像中包含天空标签、建筑物标签和树木标签中的至少一种标签；

构建用于插入原始U_Net网络结构中的批量归一化BN网络层；

在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构；

以所述若干鱼眼拍摄图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型。

2.根据权利要求1所述的方法，其特征在于，所述构建用于插入原始U_Net网络结构中的批量归一化BN网络，包括：

利用下式构建用于插入原始U_Net网络结构中的批量归一化BN网络：

；

其中，为批量归一化BN网络所接受的第k维输入特征的回归值，为所述第k维输入特征的平均值，为所述第k维输入特征的均方误差，为所述第k维输入特征的输出特征y。

3.根据权利要求1所述的方法，其特征在于，所述在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构，包括：

将所述原始U_Net网络结构中所进行下采样的特征通道的数量，增加一倍，得到第一U_Net网络结构；

将所述第一U_Net网络结构中所进行上采样的特征通道的数量，缩减一半，得到第二U_Net网络结构；

在所述第二U_Net网络结构中的每一卷积层后插入所述BN网络层，得到批量归一化U_Net网络结构。

4.根据权利要求1所述的方法，其特征在于，在对若干所述鱼眼拍摄图像进行标签处理和像素化处理，得到若干鱼眼标签图像之后，还包括：

将若干所述鱼眼拍摄图像进行数据增强，得到数据增强后的若干鱼眼样本图像；

以所述若干鱼眼拍摄图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，对所述批量归一化U_Net网络结构进行训练，得到鱼眼图像遮挡类别判别模型，包括：

以所述若干鱼眼样本图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，对所述批量归一化U_Net网络结构进行训练，得到鱼眼图像遮挡类别判别模型。

5.根据权利要求4所述的方法，其特征在于，以所述若干鱼眼样本图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型，包括：

以所述若干鱼眼样本图像作为目标训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，在损失函数的约束下，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型，所述损失函数为：

；

其中，当每一鱼眼标签图像被所述批量归一化U_Net网络结构所判定的类别，与每一鱼眼样本图像的所属类别相同时，M为0，否则M为1，为每一鱼眼标签图像的预测结果的所属类别，与该鱼眼标签图像的所属类别c相同的概率，为所属类别为c的鱼眼样本图像在所述目标训练样本中所占的比例，为第一比例系数，其计算公式为：；

其中，为每一鱼眼样本图像中遮挡类别为类别c的像素个数，为该鱼眼样本图像的像素个数。