[发明专利]一种利用生成对抗网络辅助语义分割模型

摘要

本发明创造提供一种利用生成对抗网络辅助语义分割模型，包括基于VGG/ResNet50设计的语义分割生成模型；输入原图，真实分割图以及生成分割图的对抗模型；增加对抗损失项的损失函数；在原有的交叉熵分类损失函数的基础上增加对抗损失项，对抗损失项通过二值交叉熵函数进行定义。本发明主要是通过生成对抗网络结构辅助语义分割模型提升分割精度，利用对抗模型强大的特征学习能力，区分生成分割图与真实分割图的特征区别，并拉近双方所属的数学分布，使得生成模型在训练中逐步学习到像素间关系，增强分割图像中像素的空间连续性，提高分割精度。同时又还避免了一般后处理技术提升分割精度所带来的时间成本。

主权项

1.一种利用生成对抗网络辅助语义分割模型，其特征在于，包括：基于VGG/ResNet50设计的语义分割生成模型；通过使用VGG以及ResNet50作为特征提取器，并将最后数层全连接层转换为卷积层，使得原有的分类网络转变为全卷积网络；通过模型最终层输出的特征图，进行反卷积或双线性插值等方式放大，获得当前输入图片对应的分割图片；输入原图，真实分割图以及生成分割图的对抗模型；对抗模型由图片特征提取器、分割特征提取器以及特征融合器组成；使用VGG/ResNet50的浅层部分对图片提取的特征，与分割特征提取器提取的分割特征进行整合，并输入到特征融合器中进行判别；增加对抗损失项的损失函数；在原有的交叉熵分类损失函数的基础上增加对抗损失项，对抗损失项通过二值交叉熵函数进行定义，当生成模型输出的生成分割图越接近真实分割图，则对抗损失项中生成模型的计算损失会降低，而对抗模型的计算损失会升高。