[发明专利]语义分割网络训练方法、图像语义分割方法及装置

说明书

本发明实施例涉及计算机视觉技术领域，提供一种语义分割网络训练方法、图像语义分割方法及装置，所述语义分割网络训练方法包括：获取待训练图像；将待训练图像输入预先建立的语义分割网络，利用语义分割网络的前部网络层对待训练图像进行特征提取，得到包含待训练图像的区块、整体和边缘特征的特征图；将包含待训练图像的区块、整体和边缘特征的特征图输入语义分割网络的后部网络层进行图像像素分类，得到包含分割像素类型的语义分割图；依据语义分割图对语义分割网络进行参数更新。与现有技术相比，本发明实施例对待训练图像的边缘特征单独进行了提取及还原，提高了分割区域边缘处的训练识别效果。

技术领域

本发明涉及计算机视觉技术领域，具体而言，涉及一种语义分割网络训练方法、图像语义分割方法及装置。

背景技术

图像语义分割是计算机视觉的三大核心研究问题之一，其融合了传统的图像分割和目标识别两个任务，目的是将图像分割为若干个具有某种特定语义含义的像素区域，并识别出每个区域的类别，最终获得一幅具有像素语义标注的图像。现有的图像语义分割网络，例如，FCN、CRF-RNN等，在分割区域边缘处的训练识别效果比较差，语义分割准确率低。

发明内容

本发明实施例的目的在于提供一种语义分割网络训练方法、图像语义分割方法及装置，用以提升图像语义分割的准确率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种语义分割网络训练方法，所述方法包括：获取待训练图像；将所述待训练图像输入预先建立的语义分割网络，利用所述语义分割网络的前部网络层对所述待训练图像进行特征提取，得到包含所述待训练图像的区块、整体和边缘特征的特征图；将包含所述待训练图像的区块、整体和边缘特征的特征图输入所述语义分割网络的后部网络层进行图像像素分类，得到包含分割像素类型的语义分割图；依据所述语义分割图对所述语义分割网络进行参数更新。

第二方面，本发明实施例提供了一种图像语义分割方法，所述方法包括：获取待分割的原始图像；将所述原始图像输入利用上述的语义分割模型训练方法训练得到的语义分割网络，得到所述原始图像的语义分割结果。

第三方面，本发明实施例提供了一种语义分割网络训练装置，所述装置包括待训练图像获取模块、特征提取模块、像素分类模块及参数更新模块。其中，待训练图像获取模块用于获取待训练图像；特征提取模块用于将所述待训练图像输入预先建立的语义分割网络，利用所述语义分割网络的前部网络层对所述待训练图像进行特征提取，得到包含所述待训练图像的区块、整体和边缘特征的特征图；像素分类模块用于将包含所述待训练图像的区块、整体和边缘特征的特征图输入所述语义分割网络的后部网络层进行图像像素分类，得到包含分割像素类型的语义分割图；参数更新模块用于依据所述语义分割图对所述语义分割网络进行参数更新。

第四方面，本发明实施例提供了一种图像语义分割装置，所述装置包括原始图像获取模块和语义分割结果获得模块，其中，原始图像获取模块用于获取待分割的原始图像；语义分割结果获得模块用于将所述原始图像输入利用上述的语义分割模型训练方法训练得到的语义分割网络，得到所述原始图像的语义分割结果。

相对现有技术，本发明实施例提供的一种语义分割网络训练方法、图像语义分割方法及装置，首先，将待训练图像输入预先建立的语义分割网络，并利用语义分割网络的前部网络层对待训练图像进行特征提取，得到包含待训练图像的边缘特征的特征图；然后，将包含所述待训练图像的区块、整体和边缘特征的特征图输入语义分割网络的后部网络层进行图像像素分类，得到包含分割像素类型的语义分割图；最后，依据语义分割图对语义分割网络进行参数更新。与现有技术相比，本发明实施例对待训练图像的边缘特征单独进行了提取及还原，提高了分割区域边缘处的训练识别效果。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明