[发明专利]一种路面水体检测方法

权利要求书

1.一种路面水体检测方法，其特征在于，包括以下步骤：

步骤1，利用可见光相机采集道路场景图像并缩放至指定尺寸，利用标注的方法获得包含采集所得图像中路面水体位置信息的掩膜；

步骤2，构建结合了反射注意力单元的条件生成对抗网络，所述结合了反射注意力单元的条件生成对抗网络，具有如下结构：

网络包含一个生成器网络和一个判别器网络；其中

生成器网络为全卷积网络，即需要训练的网络层均是卷积层，网络的输入是固定尺寸的待检测或者待训练的真实图像，真实图像输入后经过反射注意力单元中的预处理函数预处理，之后输入第一层卷积层；在生成器当中，反射注意力单元应被放置在满足如下条件的卷积层之后，即所选卷积层输出的特征图高度不小于16，且通道数不小于64，同时反射注意力单元应避免同时放置在相邻卷积层之后；其中反射注意力单元的输入为上一个卷积层的输出，当反射注意力单元的输入高度大于等于45，宽度大于等于80时，反射注意力单元的参数n为16，否则，n取值为8；生成器的输出一幅表示对输入图像的路面水体检测结果的特征图，即生成掩膜，其中像素值越大，表示该像素对应的原图中同样位置的像素属于路面水体区域的概率越高；

判别器网络为卷积神经网络，输入为真实图像的掩膜和对应的真实图像，或者生成器输出的生成掩膜和对应的真实图像，输入的真实图像经过反射注意力单元中的预处理函数预处理，之后和输入的真实掩膜或者生成掩膜在通道维度上连接，输至第一层卷积层处理；判别器的最后一层是一层全连接层，其中输出结果为一个单值，表示输入的掩膜是对应真实图像的真实掩膜的概率；

同时，利用反射注意力单元中的预处理函数对网络中生成器和判别器的输入图像进行预处理；其中，反射注意力单元是一种网络结构，包括对输入特征图的预处理函数，以及对预处理之后的特征图进行卷积操作的卷积层；

对输入特征图的预处理函数，具体为：

设反射注意力单元的输入特征图的高、宽和通道数分别为h、w和c，则预处理函数首先通过均值池化将输入特征图的高度降到n，宽度降到w/2，通道数不变；记此时的特征图为X；接着将X的每一行拆分出来，并将n条拆分出来的行全部通过上采样扩展为高为h，宽为w，通道数为c的新特征图，接着将这n张新特征图在通道维度上连接，得到具有通道数为n×c的新特征图，记为X`；接着输入特征图I自身在通道维度上扩展为原来n倍，即相当于n张输入特征图I在通道维度上连接，得到具有通道数为n×c的新特征图，记为I`；之后求得X`和I`的差，即对应位置元素相减，得到新特征图记为D；最后D和输入特征图I在通道维度上连接，得到新特征图，记为D`，D`的高为h，宽为w，通道数为(n+1)×c，D`即为该预处理函数的输出；

对预处理之后的特征图进行卷积操作的卷积层，其中卷积核个数和输入反射注意力单元的特征图的通道数目相等，卷积核尺寸都是3×3，滑动步长都是1×1；

步骤3，利用采集的道路场景图像及标注所得掩膜，训练结合了反射注意力单元的条件生成对抗网络；

步骤4，将待检测的图像缩放至指定尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络，获得条件生成对抗网络的生成器输出的用以表示水体检测结果的二值图像。

2.根据权利要求1所述的路面水体检测方法，其特征在于，n的取值为8或16。

3.根据权利要求1所述的路面水体检测方法，其特征在于，所述步骤3中，训练结合了反射注意力单元的条件生成对抗网络的步骤为：

a)设置好网络参数，随机初始化待训练参数，逐一输入用以训练的真实图像及对应的真实掩膜，其中每一轮迭代，均如步骤b)—e)所述；

b)真实图像输入生成器，得到生成掩膜；

c)真实图像及真实掩膜输入判别器，得到判别器的输出结果y_t；同时将真实图像和生成掩膜输入判别器，得到判别器的输出结果y_f；

d)通过生成掩膜、真实掩膜，判别器的输出结果y_f，依据生成器损失函数计算生成器的损失，同时通过判别器输出结果y_t和y_f，依据判别器的损失函数计算判别器的损失；

e)依据生成器和判别器的损失及网络结构，优化网络参数；

f)待用以训练的数据使用完毕，训练结束，保存网络参数。

4.根据权利要求1所述的路面水体检测方法，其特征在于，在所述步骤4中，利用训练好的结合了反射注意力单元的条件生成对抗网络，获得用以表示水体检测结果的二值图像的具体步骤为：

a)将待检测图像缩放至适应生成器的尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络中；

b)获得生成器生成的生成掩膜，利用阈值将其二值化，其中这个阈值为输入的真实掩膜中用以表示路面水体区域的像素取值和用以表示非路面水体区域的像素取值的平均值，即两个可能取值相加后除以2；二值化之后的掩膜即是对应输入图像的路面水体检测结果。