[发明专利]图像语义分割方法、装置、设备及存储介质

说明书

本发明涉及人工智能，提供一种图像语义分割方法、装置、设备及存储介质。该方法能够获取尾部类别图像及头部类别图像，对尾部类别图像进行多尺度裁剪，得到多张裁剪图像，对每张裁剪图像进行增强处理，得到多张增强图像，根据每张裁剪图像、多张增强图像及头部类别图像生成训练图像，划分训练图像，得到第一阶段训练图像及第二阶段训练图像，基于第一阶段训练图像训练预设分类器，得到初始语义分割模型，根据第二阶段训练图像对初始语义分割模型中的预设参数进行调整，得到目标语义分割模型，分析待分类图像，得到目标类别。本发明能够准确的识别出图像所属的类别。此外，本发明还涉及区块链技术，所述目标类别可存储于区块链中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像语义分割方法、装置、设备及存储介质。

背景技术

随着人工智能的发展，语义分割也随之发展，在语义分割任务中，通过分析图像中的像素信息能够识别出图像所属的类别。然而，在进行语义分割处理时，样本不均衡的问题导致语义分割任务只能预测样本较多的类别。

为了解决样本不均衡带来的问题，目前通常对样本较多的第一类别进行欠采样处理，同时对样本较少的第二类别进行过采样处理，无法准确的识别出图像所属的类别。

发明内容

鉴于以上内容，有必要提供一种图像语义分割方法、装置、设备及存储介质，能够准确的识别出图像所属的类别。

一方面，本发明提出一种图像语义分割方法，所述图像语义分割方法包括：

从预设图像库中获取尾部类别图像及头部类别图像；

根据所述尾部类别图像中的物体对象对所述尾部类别图像进行多尺度裁剪，得到多张裁剪图像；

对每张裁剪图像进行增强处理，得到多张增强图像；

根据每张裁剪图像及所述多张增强图像生成所述尾部类别图像的融合图像，并根据所述融合图像及所述头部类别图像生成训练图像；

根据预设裁剪尺寸划分所述训练图像，得到第一阶段训练图像及第二阶段训练图像；

基于所述第一阶段训练图像训练预设分类器，得到初始语义分割模型；

根据所述第二阶段训练图像对所述初始语义分割模型中的预设参数进行调整，直至所述初始语义分割模型的损失值不再降低，得到目标语义分割模型；

接收待分类图像，并根据所述目标语义分割模型分析所述待分类图像，得到所述待分类图像的目标类别。

根据本发明优选实施例，所述从预设图像库中获取尾部类别图像及头部类别图像包括：

计算所述预设图像库中每个预设类别的样本数量；

将取值最大的样本数量确定为第一数量，并将所述第一数量所对应的预设类别确定为第一类别；

根据所述第一类别从所述预设图像库中获取所述头部类别图像；

计算所述第一数量与预设比例的乘积，得到需求数量；

将取值小于所述需求数量的样本数量确定为第二数量，并将所述第二数量所对应的预设类别确定为第二类别；

根据所述第二类别从所述预设图像库中获取所述尾部类别图像。

根据本发明优选实施例，所述根据所述尾部类别图像中的物体对象对所述尾部类别图像进行多尺度裁剪，得到多张裁剪图像包括：

获取所述尾部类别图像中的像素信息；

根据所述像素信息确定所述物体对象在所述尾部类别图像中的位置信息；

根据所述位置信息生成所述物体对象在所述尾部类别图像中的最小外接矩形；