[发明专利]一种自适应对抗学习的城市交通场景语义分割方法及系统

摘要

本发明公开一种自适应对抗学习的城市交通场景语义分割方法及系统。获取语义分割模型的训练数据，对游戏合成数据集GTA5进行预处理，得到一个新的与城市场景真实数据集Cityscapes分布接近的合成数据集SG‑GTA5；构建用于语义分割的生成对抗网络模型；基于训练数据集，对生成对抗网络模型进行自适应对抗学习，在不同特征层的对抗学习中使用自适应的学习率，通过该学习率调整各特征层的损失值，进而动态更新网络参数，得到优化的生成对抗网络模型；在城市场景真实数据集CityScapes上进行验证。本发明能够提高缺乏标注信息，存在较多尺度目标的复杂城市交通场景的语义分割精度，增强语义分割模型的泛化能力。

主权项

1.一种自适应对抗学习的城市交通场景语义分割方法，其特征在于，所述方法包括：获取语义分割模型的训练数据集，对原始的游戏合成数据集GTA5进行预处理，得到新的与城市场景真实数据集CityScapes分布接近的合成数据集SG‑GTA5，作为源数据集，CityScapes训练数据集中不使用标注信息的图片作为目标数据集，源数据集和目标数据集组成语义分割模型的训练数据集；构建弱监督的语义分割模型，即生成对抗网络模型，所述生成对抗网络包括生成器网络和判别器网络；将所述新的源数据集SG‑GTA5和目标数据集作为训练数据，对所述生成对抗网络进行自适应学习率的对抗训练，得到优化的生成器网络模型；将城市场景数据集Cityscapes中的测试图像输入至所述优化的生成器网络模型中，得到分割结果；对所述分割结果进行定量和定性评估，得到分割性能结果。