[发明专利]一种采用概率图梯度损失函数的图像语义分割方法

权利要求书

1.一种采用概率图梯度损失函数的图像语义分割方法，其特征在于包含：图像语义分割数据集，卷积网络，归一化指数函数，概率图损失以及概率图梯度损失。

2.根据权利要求1中所述一种采用概率图梯度损失函数的图像语义分割方法，其特征在于所述卷积网络可形式化为：

x_f＝f(x|θ)

其中f(·)为所述卷积网络对应的映射函数，θ为所述卷积网络包含的参数，x为所述图像语义分割数据集中的图片，x_f为所述卷积网络提取的特征。

3.根据权利要求1中所述一种采用概率图梯度损失函数的图像语义分割方法，其特征在于所述归一化指数函数将所述卷积网络提取的特征x_f转换为预测概率图p_pred，

其中为所述预测概率图p_pred的第c通道(c∈[1，C])，m与n分别为像素在图片中的横、纵坐标(m∈[1，M]，n∈[1，N])，[·]为索引操作。

4.根据权利要求1中所述一种采用概率图梯度损失函数的图像语义分割方法，其特征在于所述概率图损失L_p的计算公式为

其中为真实概率图p_gt的第c通道，所述概率图梯度损失L_g的计算公式为

其中为所述预测概率图横向梯度的第c通道，为所述预测概率图纵向梯度的第c通道，为所述真实概率图横向梯度的第c通道，为所述真实概率图纵向梯度的第c通道，|·|为取绝对值操作，用于训练所述卷积网络的损失函数L由所述概率图损失L_p与所述概率图梯度损失L_g两部分加权组成

L＝L_p+αL_g

其中α为加权系数，所述损失函数L通过梯度反向传播不断优化所述卷积网络的参数。