[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

说明书

本申请公开了一种漂浮物识别模型的训练和使用方法、装置、介质及设备，属于图像处理技术领域。所述方法包括：获取训练数据集，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训练样本进行处理，得到第一特征图；利用双边高分辨率分割模型中的上下文路径对训练样本进行处理，得到四个第二特征图；根据四个第二特征图和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；根据四个分支损失函数训练双边高分辨率分割模型，得到漂浮物识别模型。本申请可以既可以提高漂浮物的检测效率和准确性，也可以通过多个分支辅助监督训练来提高漂浮物识别模型的准确性。

技术领域

本申请涉及图像处理技术领域，特别涉及一种漂浮物识别模型的训练和使用方法、装置、介质及设备。

背景技术

河道漂浮物不仅会造成河道污染，还会影响河道的观赏性。河道漂浮物主要是垃圾（如塑料袋、塑料瓶等）、浮萍、水草等，所以，治理河道污染最有效的方式是及时地处理漂浮物，避免污染面积的扩大，降低对河道中微生物的危害。

当采用人工巡查河道的方式来治理河道污染时，由于人工巡查河道不可避免地受河道长度、视觉盲区等因素影响，而且人眼有一定的局限性，导致一些漂浮物容易被忽略，因此，亟需一种高效准确的识别河道中漂浮物的方法。

发明内容

本申请提供了一种漂浮物识别模型的训练和使用方法、装置、介质及设备，用于解决人工巡查河道时容易忽略漂浮物的问题。所述技术方案如下：

第一方面，提供了一种漂浮物识别模型的训练方法，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；

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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。