[发明专利]一种基于目标分割的小样本训练方法

权利要求书

1.一种基于目标分割的小样本训练方法，其特征在于，包括以下步骤：

步骤1：采用迁移学习的方法在带有像素级的标签数据集中训练语义分割网络，将分割知识迁移到语义相似类中实现待分割的小样本数据集的目标类的分割，生成初始像素级标签；

步骤2：在小样本数据集上迭代训练所述语义分割网络，将最终训练好的模型作为语义分割网络来生成精细的像素级标签；

步骤2中在小样本数据集上迭代训练所述语义分割网络，具体为：

步骤2-1、利用步骤1)训练得到的语义分割网络在小样本数据集上进行分割得到目标图像的粗标签；

步骤2-2、采用指导滤波细化分割结果；

步骤2-3、计算分割区域的面积，将所述分割区域的面积与整个图像的面积相比，得到比值；

若比值大于MAX或者小于MIN，则过滤掉分割结果；

步骤2-4、迭代步骤2-2～步骤2-3，步骤2-2的每次输入是上一次过滤掉的标签和原始图像，迭代到Mean Intersection over Union不再增长为止，将此时对应的模型作为分割模型，来生成精细化的分割结果；

步骤3：将步骤2的分割结果作用于原始图像上，生成只有目标的区域，得到目标图像；

步骤4：将所述目标图像融到大量图像中，生成带有所述目标图像的新图像，进而生成大量带有像素级标签的新图像；

步骤5：使用所述大量带有像素级标签的新图像来训练语义分割网络，从而训练一个可信赖的语义分割网络。

2.根据权利要求1所述的基于目标分割的小样本训练方法，其特征在于，步骤1中带有像素级的标签数据集包括PASCAL VOC、COCO及BSD语义分割数据集。

3.根据权利要求1所述的基于目标分割的小样本训练方法，其特征在于，步骤1中语义分割网络为DeepLabv3语义分割网络。

4.根据权利要求1所述的基于目标分割的小样本训练方法，其特征在于，步骤2-2中采用指导滤波细化分割结果，具体为：

将原始图像和粗粒度标签输入到指导滤波中，指导滤波将原始图像的结构和边缘细节迁移到粗粒度标签中，从而得到细化的分割结果。

5.根据权利要求4所述的基于目标分割的小样本训练方法，其特征在于，所述指导滤波输出公式如下：

其中，w_ij是权重，取决于图像I，i和j表示像素索引；φ为粗粒度标签。

6.根据权利要求1所述的基于目标分割的小样本训练方法，其特征在于，步骤2-3中通过目标和图像的关系来确定MAX和MIN。

7.根据权利要求6所述的基于目标分割的小样本训练方法，其特征在于，MAX为0.9，MIN为0.1。

8.根据权利要求1所述的基于目标分割的小样本训练方法，其特征在于，步骤1中采用OTSU算法从图像中生成目标的初始像素级标签。