[发明专利]领域适应方法、装置、电子设备及存储介质在审

专利信息
申请号: 202011543313.3 申请日: 2020-12-23
公开(公告)号: CN112633285A 公开(公告)日: 2021-04-09
发明(设计)人: 刘杰;王健宗;瞿晓阳 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/34 分类号: G06K9/34;G06K9/62;G06N3/08;G06N3/04
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 领域 适应 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种领域适应方法,其特征在于,包括:

从目标域获取待识别图像;

将所述待识别图像输入到第一分割网络,得到第一类别比例,所述第一分割网络为使用源域的图像进行训练得到的;

将所述待识别图像输入到第二分割网络,得到第二类别比例以及熵图,所述熵图是由所述待识别图像中各个像素点的信息熵构成的矩阵;

根据所述第一类别比例、所述第二类别比例以及所述熵图,对所述第二分割网络进行领域适应。

2.根据权利要求1所述的方法,其特征在于,所述将所述待识别图像输入到第一分割网络,得到第一类别比例,包括:

将所述待识别图像输入到所述第一分割网络,对所述待识别图像中每个像素点进行语义分割,得到所述每个像素点的第一语义分割结果,其中,所述每个像素点的第一语义分割结果表示所述每个像素点属于k个类别的概率,k的取值为从1到N的整数,N为大于1的整数;

对所述每个像素点的第一语义分割结果求平均,得到所述待识别图像的第一语义分割结果;

根据所述待识别图像的第一语义分割结果,得到所述第一类别比例。

3.根据权利要求1或2所述的方法,其特征在于,所述将所述待识别图像输入到第二分割网络,得到第二类别比例以及熵图,包括:

将所述待识别图像输入到第二分割网络,对所述待识别图像中每个像素点进行语义分割,得到所述每个像素点的第二语义分割结果,所述每个像素点的第二语义分割结果用于表示所述每个像素点属于k个类别的概率,k的取值为1到N的整数,N为大于1的整数;

对所述每个像素点的第二语义分割结果求平均,得到所述待识别图像的第二语义分割结果;

根据所述每个像素点的第二语义分割结果以及信息熵计算公式,确定所述每个像素点的信息熵,并将所述每个像素点的信息熵组成所述熵图。

4.根据权利要求3所述的方法,其特征在于,所述根据所述第一类别比例、所述第二类别比例以及所述熵图,对所述第二分割网络进行领域适应,包括:

确定所述第一类别比例和所述第二类别比例之间的第一KL散度;

确定所述熵图中各个像素点的信息熵之和;

根据所述第一KL散度、各个像素点的信息熵之和、以及预设参数,确定目标损失;

根据所述目标损失调整所述第二分割网络的网络参数,以对所述第二分割网络进行领域适应。

5.根据权利要求4所述的方法,其特征在于,所述第二分割网络包括编码网络、解码网络、第二卷积层,其中,所述第二卷积层与所述解码网络连接,所述将所述待识别图像输入到第二分割网络,对所述待识别图像中每个像素点进行分割,得到所述每个像素点的第二语义分割结果,包括:

通过所述编码网络对所述待识别图像进行下采样处理,得到第一特征图;

通过所述解码网络对所述第一特征图进行上采样处理,得到第二特征图;

通过所述第二卷积层对所述第二特征图进行语义分割,得到所述每个像素点的第二语义分割结果。

6.根据权利要求5所述的方法,其特征在于,所述第二分割网络还包括第一卷积层,所述第一卷积层与所述编码网络连接;通过所述解码网络对所述第一特征图进行上采样处理,得到第二特征图之前,所述方法还包括:

对所述第一特征图进行双线性插值,得到第三特征图,其中,所述第三特征图的维度与所述第二特征图的维度相同;

通过所述第一卷积层对所述第三特征图进行语义分割,得到所述每个像素点的第三语义分割结果;

确定所述每个第二像素点的第二语义分割结果和所述每个像素点的第三语义分割结果之间的第二KL散度,并获取所述待识别图像中各个像素点的第二KL散度的平均值,得到第三KL散度;

所述根据所述第一KL散度、各个像素点的信息熵之和、以及预设参数,确定目标损失,包括:

根据所述第一KL散度、所述第三KL散度、各个像素点的信息熵之和、以及预设参数,确定目标损失。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011543313.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top