[发明专利]漂浮物识别模型的训练和使用方法、装置、介质及设备

权利要求书

1.一种漂浮物识别模型的训练方法，其特征在于，所述方法包括：

获取训练数据集，所述训练数据集中包含多组训练样本，每组训练样本中包含一张图像和对应的掩膜图；

利用双边高分辨率分割模型中的空间路径对所述训练样本进行处理，得到第一特征图；

利用所述双边高分辨率分割模型中的上下文路径对所述训练样本进行处理，得到四个第二特征图，所述上下文路径采用多分辨率融合并行连接方式；

根据四个所述第二特征图和所述第一特征图进行特征融合和分割解码，得到四个分支损失函数；

根据四个所述分支损失函数训练所述双边高分辨率分割模型，得到漂浮物识别模型；

所述利用所述双边高分辨率分割模型中的上下文路径对所述训练样本进行处理，得到四个第二特征图，包括：当所述双边高分辨率分割模型中的上下文路径中包括串联的s个网络模块，且s≥5时，利用所述s个网络模块对所述训练样本进行处理；将第s-2个网络模块输出的特征图分别确定为第一个第二特征图和第二个第二特征图；对第s-1个网络模块输出的特征图进行一次上采样，将得到的第一上采样结果和第s-2个网络模块输出的特征图进行融合后确定为第三个第二特征图；对第s个网络模块输出的特征图进行两次上采样，将得到的第二上采样结果、所述第一上采样结果和第s-2个网络模块输出的特征图进行融合后确定为第四个第二特征图；

所述根据四个所述第二特征图和所述第一特征图进行特征融合和分割解码，得到四个分支损失函数，包括：对所述第一个第二特征图进行特征融合和分割解码，得到第一个分支损失函数；对所述第二个第二特征图和所述第一特征图进行特征融合和分割解码，得到第二个分支损失函数；对所述第三个第二特征图和所述第一特征图进行特征融合和分割解码，得到第三个分支损失函数；对所述第四个第二特征图和所述第一特征图进行特征融合和分割解码，得到第四个分支损失函数。

2.根据权利要求1所述的方法，其特征在于，所述根据四个所述分支损失函数训练所述双边高分辨率分割模型，得到漂浮物识别模型，包括：

计算四个所述分支损失函数的加权和，得到整体损失函数；

根据所述整体损失函数训练所述双边高分辨率分割模型，得到所述漂浮物识别模型。

3.根据权利要求1或2所述的方法，其特征在于，所述获取训练数据集，包括：

获取多张图像和每张图像的标注信息，所述标注信息中包含所述图像中的漂浮物的矩形框信息和类别信息；

利用DenseCRF算法，根据每张图像和对应的标注信息进行粗分割，得到每张图像的掩膜图；

筛选满足预设条件的掩膜图，将筛选后的每张掩膜图和对应的图像组成一组训练样本，得到所述训练数据集。

4.根据权利要求1所述的方法，其特征在于，所述根据四个所述分支损失函数训练所述双边高分辨率分割模型，得到漂浮物识别模型，包括：

当根据四个所述分支损失函数训练得到多组模型参数时，分别计算每组模型参数对应的平均交并比和平均准确率；

根据所述平均交并比和所述平均准确率从所述多组模型参数中选择一组最优的模型参数；

将选出的所述模型参数对应的双边高分辨率分割模型确定为所述漂浮物识别模型。