[发明专利]高位视频图像语义分割方法以及装置

权利要求书

1.一种高位视频图像语义分割方法，其特征在于，包括：

获取第一城市在第一时间内的源域图像数据与第二城市在第二时间内的目标域图像数据；

根据所述源域图像数据对语义分割模型进行模型训练，获得初始语义分割模型，并输出源域图像数据分割结果；

将所述目标域图像数据输入至所述初始语义分割模型，输出目标域图像数据分割结果；

将所述源域图像数据分割结果与所述目标域图像数据分割结果，分别输入至域判别器模型中进行判别，并根据所述源域图像数据分割结果与所述目标域图像数据分割结果构建总损失函数，对所述语义分割模型与所述域判别器模型进行模型训练，获得训练完成的语义分割模型；

获取待测目标图像，将所述待测目标图像输入至所述训练完成的语义分割模型中，输出所述待测目标图像的语义分割结果。

2.根据权利要求1所述的高位视频图像语义分割方法，其特征在于，所述将所述源域图像数据分割结果与所述目标域图像数据分割结果，分别输入至域判别器模型中进行判别，并根据所述源域图像数据分割结果与所述目标域图像数据分割结果构建总损失函数，对所述语义分割模型与所述域判别器模型进行模型训练，获得训练完成的语义分割模型，包括：

根据所述源域图像数据分割结果，构建所述语义分割模型的损失函数，所述语义分割模型的损失函数为：

其中，c表示所述语义分割模型的语义分割类别数目，P_s表示所述源域图像数据分割结果，y_c表示所述源域图像数据对应的标注标签类别；

根据所述目标域图像数据分割结果与所述源域图像数据分割结果，构建所述域判别器模型的损失函数，所述域判别器模型的损失函数为：

其中，D表示所述域判别器模型，P_t表示所述目标域图像数据分割结果，c表示所述语义分割模型的语义分割类别数目，所述域判别器模型的损失函数的目标函数为最大化域判别器模型将所述目标域图像数据分割结果判别为所述源域图像数据分割结果；

根据所述语义分割模型的损失函数与所述域判别器模型的损失函数，构建所述总损失函数，所述总损失函数为：

L＝α₁L_seg+α₂L_dis

其中，α₁与α₂表示权重系数，L_seg表示所述语义分割模型的损失函数，L_dis表示所述域判别器模型的损失函数；

根据所述总损失函数，对所述语义分割模型与所述域判别器模型进行模型训练，获得所述训练完成的语义分割模型。

3.根据权利要求1所述的高位视频图像语义分割方法，其特征在于，所述获取第一城市在第一时间内的源域图像数据与第二城市在第二时间内的目标域图像数据中，所述第一城市与所述第二城市不同，所述第一时间与所述第二时间为同一个季节。

4.根据权利要求1所述的高位视频图像语义分割方法，其特征在于，所述获取第一城市在第一时间内的源域图像数据与第二城市在第二时间内的目标域图像数据中，所述第一城市与所述第二城市相同，所述第一时间与所述第二时间分别为不同的季节。

5.根据权利要求1所述的高位视频图像语义分割方法，其特征在于，所述获取第一城市在第一时间内的源域图像数据与第二城市在第二时间内的目标域图像数据中，所述第一城市与所述第二城市不同，所述第一时间与所述第二时间不同。

6.根据权利要求1所述的高位视频图像语义分割方法，其特征在于，所述获取第一城市在第一时间内的源域图像数据与第二城市在第二时间内的目标域图像数据中，所述源域图像数据与所述目标域图像数据的比例为1:1。