[发明专利]图像语义分割方法和装置、神经网络训练方法和装置

权利要求书

1.一种基于神经网络的图像语义分割方法，其中，所述神经网络包括输入层、中间层和输出层，所述图像语义分割方法包括：

获取待分割的图像；

经由所述输入层输入所述图像；

经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算以获得中间表示，并对获得的所述中间表示执行二值化处理；以及

经由所述输出层输出所述图像的热力图，所述热力图表示所述图像中每个像素所属的语义类别。

2.如权利要求1所述的图像语义分割方法，还包括：

预先训练所述神经网络，

其中，所述预先训练所述神经网络包括：

经由所述输入层输入训练图像；

经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算以获得中间表示，并对所述多个计算节点中的至少一个计算节点的中间表示执行二值化处理；以及

经由所述输出层输出训练结果，所述训练结果包括所述训练图像的热力图；

在所述神经网络的损失函数满足预定条件时，获得训练好的所述神经网络，在所述神经网络的损失函数不满足预定条件时，继续输入训练图像以重复执行上述训练过程，其中所述神经网络的损失函数是根据所述训练结果确定的。

3.如权利要求2所述的图像语义分割方法，其中，所述预先训练所述神经网络还包括：

对所述多个计算节点中的多个卷积层中的至少一个卷积层的权重执行二值化处理。

4.如权利要求1至3中任一项所述的图像语义分割方法，其中，所述经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算包括：

在所述中间层中的每个计算节点的卷积层中，将所述卷积层的二值化的权重矩阵与所述输入的数据执行按位异或处理，将按位异或处理后的二值化串中1的个数作为所述卷积层的中间表示。

5.一种用于图像语义分割的神经网络的训练方法，其中，所述神经网络包括输入层、中间层和输出层，所述训练方法包括：

经由所述输入层输入训练图像；

经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算以获得中间表示，并对至少一个计算节点的中间表示执行二值化处理；

经由所述输出层输出训练结果，所述训练结果包括所述训练图像的热力图；以及

在所述神经网络的损失函数满足预定条件时，获得训练好的所述神经网络，在所述神经网络的损失函数不满足预定条件时，继续输入训练图像以重复执行上述训练过程，其中所述神经网络的损失函数是根据所述训练结果确定的。

6.如权利要求5所述的训练方法，还包括：

对所述多个计算节点中的多个卷积层中的至少一个卷积层的权重执行二值化处理。

7.如权利要求5或6所述的训练方法，其中，所述经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算包括：

在所述中间层中的每个计算节点的卷积层中，将所述卷积层的二值化的权重矩阵与所述输入的数据执行按位异或处理，将按位异或处理后的二值化串中1的个数作为所述卷积层的中间表示。

8.一种图像语义分割装置，所述图像语义分割装置包括：

图像获取模块，用于获取待分割的图像；以及

图像语义分割模块，用于采用神经网络对所述图像获取模块获取到的所述图像执行图像语义分割，所述神经网络包括输入层、中间层和输出层，所述图像语义分割模块具体用于：

经由所述输入层输入所述图像；

经由所述中间层中级联的多个计算节点中的每个计算节点的卷积层对输入的数据执行卷积计算以获得中间表示，并对获得的所述中间表示执行二值化处理；以及

经由所述输出层输出所述图像的热力图，所述热力图表示所述图像中每个像素所属的语义类别。