[发明专利]图像语义分割方法、装置及计算机可读存储介质

权利要求书

1.一种图像语义分割方法，其特征在于，所述方法包括：

采集已公开的商标图形数据并将其作为模型训练的商标训练样本，利用采集的所述商标训练样本对预设学习模型进行训练，得到训练后的深度学习模型；

利用训练后的所述深度学习模型，对需进行语义分割的商标图形提取对应的图像特征；

针对提取出的所述图像特征，利用预设概率图模型进行解析，根据解析结果，对所述商标图形中不同的内容主体进行语义分割，得到对应的语义分割结果。

2.如权利要求1所述的图像语义分割方法，其特征在于，所述采集已公开的商标图形数据并将其作为模型训练的商标训练样本，利用采集的所述商标训练样本对预设学习模型进行训练，得到训练后的深度学习模型，包括：

采集已公开的商标图形数据，对采集的所述商标图形数据标注对应的语义分割信息，得到已标注语义分割信息的商标训练样本；

将已标注语义分割信息的所述商标训练样本分别输入至预设分割子模型中，得到所述商标训练样本对应的包含语义信息的特征图；

将所述特征图与标注的所述语义分割信息同时输入至预设概率图模型中，利用所述概率图模型计算所述商标训练样本包含的每个特征图的权重；

将所述商标训练样本对应的所述特征图，按照所述特征图分别对应的权重进行融合，得到所述商标训练样本的预测语义分割结果；

根据所述预测语义分割结果以及标注的语义分割信息，对所述预设分割子模型和预设概率图模型的参数进行修正，直至所述预测语义分割结果与标注的所述语义分割信息之间的误差小于预设阈值，则得到训练完成的基于所述预设分割子模型的深度学习模型。

3.如权利要求1所述的图像语义分割方法，其特征在于，所述利用采集的所述商标训练样本对预设学习模型进行训练，得到训练后的深度学习模型，包括：

输入所述商标训练样本；

初始化各卷积神经网络以及所述卷积神经网络分别对应的参数；其中，所述卷积神经网络对应的参数包括：卷积神经网络中每个网络层分别对应的权重和偏置；

采用正向传播算法和后向传播算法，利用所述商标训练样本进行学习得出构建所述预设学习模型的网络参数；

根据得到的所述网络参数，配置所述预设学习模型，得到训练后的深度学习模型。

4.如权利要求1所述的图像语义分割方法，其特征在于，所述利用训练后的所述深度学习模型，对需进行语义分割的商标图形提取对应的图像特征，包括：

利用训练后的所述深度学习模型，识别需进行语义分割的商标图形的空白区域；

将识别出的所述商标图形中的空白区域去掉，得到处理空白区域后的商标图像；

在不改变所述商标图像比例的情况下，将所述商标图像调整为预设分辨率尺寸的灰度图。

5.如权利要求1至4任一项所述的图像语义分割方法，其特征在于，所述对所述商标图形进行语义分割得到的语义分割结果包括：分割后所述商标图形对应的内容主体、所述内容主体的大小以及所述内容主体在所述商标图形中所处的位置。

6.一种图像语义分割装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有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下步骤：

采集已公开的商标图形数据并将其作为模型训练的商标训练样本，利用采集的所述商标训练样本对预设学习模型进行训练，得到训练后的深度学习模型；

利用训练后的所述深度学习模型，对需进行语义分割的商标图形提取对应的图像特征；

针对提取出的所述图像特征，利用预设概率图模型进行解析，根据解析结果，对所述商标图形中不同的内容主体进行语义分割，得到对应的语义分割结果。