[发明专利]图像语义分割方法、装置及计算机可读存储介质

说明书

本发明公开了一种图像语义分割方法、装置及计算机可读存储介质，所述图像语义分割方法包括：对现有图片集进行扩增，得到新图片集；通过所述新图片集对初始语义分割算法进行数据训练，得到目标语义分割模型；获取测试图片，对所述测试图片进行预处理；将经过预处理的测试图片输入所述目标语义分割模型，得到语义分割结果。本发明中，增加图片集覆盖场景范围，对测试图片进行预处理，一方面提高了语义分割算法的适用范围，另一方面提高了语义分割算法的预测准确率。

技术领域

本发明涉及机器视觉技术领域，尤其涉及图像语义分割方法、装置及计算机可读存储介质。

背景技术

随着自动驾驶的飞速发展，与自动驾驶相关的技术也得到了飞速发展，其中，基于深度学习的语义分割技术在自动驾驶中得到广泛应用。语义分割技术能够对目标进行像素级的分类，此种像素级分类对自动驾驶场景中的环境感知具有重大意义。由于语义分割算法相关数据集大多是在路面宽阔，天气良好的情况采集的，因此语义分割算法适用场景也是天气良好的情况。然而随着自动驾驶技术的发展，自动驾驶汽车需要适应的场景也越来越多，目前语义分割算法在识别带有光斑的路面图片时会失效，容易将路面上的光斑识别成路面标线。

发明内容

本发明的主要目的在于提供一种图像语义分割方法、装置及计算机可读存储介质，旨在解决现有技术中语义分割算法应用在光照不均匀场景下，预测准确率较低的技术问题。

为实现上述目的，本发明提供一种图像语义分割方法，所述图像语义分割方法包括：

对现有图片集进行扩增，得到新图片集；

通过所述新图片集对初始语义分割算法进行数据训练，得到目标语义分割模型；

获取测试图片，对所述测试图片进行预处理；

将经过预处理的测试图片输入所述目标语义分割模型，得到语义分割结果。

可选的，所述对现有图片集进行扩增，得到新图片集包括：

对现有图片集中的现有图片进行对比度增强处理以及将目标场景图片加入所述现有图片集，得到新图片集。

可选的，所述通过所述新图片集对初始语义分割算法进行数据训练，得到目标语义分割模型包括：

将所述新图片集输入初始语义分割算法，得到训练结果；

通过所述训练结果，对所述初始语义分割算法进行参数优化，得到目标语义分割模型。

可选的，所述获取测试图片，对所述测试图片进行预处理包括：

获取测试图片，对所述测试图片进行对比度增强处理以及白平衡处理。

可选的，所述将经过预处理的测试图片输入所述目标语义分割模型，得到语义分割结果之后包括：

获取所述测试图片的标注信息；

将所述语义分割结果与所述标注信息进行对比，得到对比结果，并输出所述对比结果。

此外，为实现上述目的，本发明还提供一种图像语义分割装置，所述图像语义分割装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像语义分割程序，所述图像语义分割程序被所述处理器执行时实现如上所述的图像语义分割方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有图像语义分割程序，所述图像语义分割程序被处理器执行时实现如上所述的图像语义分割方法的步骤。