[发明专利]一种不确定区域发现与模型改进的道路分割方法及装置

权利要求书

1.一种不确定区域发现与模型改进的道路分割方法，其特征在于包括如下步骤：

步骤S1，获取从源域图像学习的初始分割模型，将初始分割模型在目标域中进行自训练，得到目标域自训练分割模型，目标域自训练分割模型包括一个共享编码器和分别与共享编码器连接的一组并行的解码器，通过不同解码器输出的分割结果，确定目标域图像中的不确定区域并进行标记；不确定区域是对于同一区域，通过目标域自训练分割模型的一组并行编码器后，在一个解码器输出中检测到但在其他并行的解码器输出中没有检测到的区域为不确定的区域；

步骤S2，模型优化，将手动标记获得的不确定区域的监督信息，合并到初始分割模型中，对初始分割模型进行优化，基于优化后的初始分割模型构建学生分割模型；基于源域训练的初始分割模型构建教师分割模型，利用学生分割模型参数，更新教师分割模型；

步骤S3，更新后的教师分割模型作为初始分割模型，在目标域中再次进行自训练，重复上述步骤，直到达到设定的停止条件，完成训练后，将最终的教师分割模型作为目标域的道路分割模型。

2.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：所述步骤S1中的初始分割模型，通过带标签的源域图像数据集训练得到，基于真实的分割掩码图像的每个像素，及训练初始分割模型时预测的分割掩码图像，采用交叉熵代价函数训练初始分割模型。

3.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：所述步骤S1的目标域自训练分割模型，通过目标域图像数据集训练初始分割模型得到，将初始分割模型的编码器和解码器参数，作为初始化的目标域自训练分割模型编码器和解码器的参数，对初始分割模型与目标域自训练分割模型的编码器输出，计算编码器的交叉熵代价函数，并基于目标域图像数量求均值，对初始分割模型与目标域自训练分割模型的解码器输出，计算解码器的交叉熵代价函数，通过均值与解码器的交叉熵代价函数，构建最小化自训练代价函数，对目标域自训练分割模型进行训练。

4.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：所述步骤S1中，目标域自训练分割模型采用两个并行的解码器，确定目标域图像中的不确定区域时，对于同一区域，通过目标域自训练分割模型的两个并行编码器后，在一个解码器输出中检测到但在另一个并行的解码器输出中没有检测到的区域为不确定的区域。

5.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：步骤S1中，基于余弦相似度，构建差异增加代价函数，对目标域自训练分割模型的两个解码器输出进行差异增加，根据差异增加后的解码器输出，确定目标域图像中的不确定区域。

6.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：所述步骤S2中的学生分割模型，通过标记区域的真实分割掩码图像和学生分割模型预测的分割掩码图像，计算标记区域的交叉熵损失，以及通过学生分割模型的编码器和解码器权重和初始分割模型的编码器和解码器权重计算第一正则化项，对学生分割模型进行优化。

7.根据权利要求6所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：基于目标域自训练模型预测的分割掩码图像和高斯核，构建第二正则化项，并基于所述标记区域的交叉熵代价函数、第一正则化项和第二正则化项，构建训练学生分割模型的总代价函数。

8.根据权利要求1所述的一种不确定区域发现与模型改进的道路分割方法，其特征在于：教师分割模型，通过上一次迭代的教师分割模型和当前学生分割模型的编码器参数，得到当前教师分割模型的编码器参数，通过上一次迭代的教师分割模型和当前学生分割模型的解码器参数，得到当前教师分割模型的解码器参数，以循环的方式更新教师分割模型，直到达到迭代停止条件。

9.一种不确定区域发现与模型改进的道路分割装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-8中任一项所述的一种不确定区域发现与模型改进的道路分割方法。