[发明专利]基于跨图像关联的弱监督图像语义分割方法、系统、装置

权利要求书

1.一种基于跨图像关联的弱监督图像语义分割方法，其特征在于，该图像语义分割方法包括：

步骤S10，获取同类别物体的单张图像/图像组作为输入图像，并提取所述输入图像对应的特征图/特征图组；分别以所述特征图作为第一特征图、第二特征图/在所述特征图组中以任一特征图作为第一特征图，其他特征图作为第二特征图；

步骤S20，对于所述第一特征图的每一个像素位置，分别计算其对应的特征与各第二特征图中每一个像素位置的特征之间的关联度；

步骤S30，以所述关联度作为特征加权的权重，对各第二特征图的特征进行加权，获得第一特征图的互补特征图；

步骤S40，将所述互补特征图与第一特征图融合，获得输入图像的融合特征图；

步骤S50，基于所述输入图像的融合特征图，通过图像语义分割模型，获取输入图像的语义分割结果。

2.根据权利要求1所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，该图像语义分割方法还设置有特征预处理的步骤，其方法为：

通过卷积、激活函数、最大值池化、均值池化中的一种或多种方法进行特征预处理。

3.根据权利要求1所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，所述输入图像包括一张或多张同类别物体的图像。

4.根据权利要求1所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，步骤S20之前还设置有图像下采样的步骤，其方法为：

分别通过最近邻插值法、双线性插值法、均值插值法、中值插值法、深度模型层中的一种方法进行所述第二特征图的图像下采样。

5.根据权利要求1所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，所述图像语义分割模型，其训练方法为：

步骤B10，获取同类别物体的图像组集合及其对应的弱标签图像标注作为训练样本集合；所述图像组包括多张同类别物体的图像；

步骤B20，通过权利要求1-4任一项所述的基于跨图像关联的弱监督图像语义分割方法的步骤S10-步骤S40对应的方法获取所述训练样本集合中每一个训练样本的融合特征图；

步骤B30，随机选取一个训练样本的融合特征图，通过图像语义分割模型获取图像语义分割结果对应的伪图像标注；

步骤B40，基于所述样本的弱标签图像标注与所述伪图像标注，计算相应的损失函数值，并进行所述图像语义分割模型的参数更新；

步骤B50，重复执行步骤B30-步骤B40直至所述损失函数值低于设定阈值或达到设定训练次数，获得训练好的图像语义分割模型。

6.根据权利要求5所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，所述弱标签图像标注包括图像类别标注、目标框标注、笔画标注。

7.根据权利要求5所述的基于跨图像关联的弱监督图像语义分割方法，其特征在于，所述损失函数值通过逐点的交叉熵损失函数获取；所述交叉熵损失函数为：

其中，Y_i代表位置i处像素的伪标签，x_i代表位置i处的融合特征图的特征，H、W分别代表特征图的高、宽。