本发明涉及图像及遥感影像深度语义分割,具体而言,涉及一种语义分割图的获取方法、装置、设备及可读存储介质。
背景技术:
1、语义分割指的是对图像进行像素级分类,即为每一个像素预测一个类别标签。近来的深度语义分割网络如unet、残差unet、deeplabv3+等在图像语义分割中取得显著的成功。然而,由于这些网络在编码器中不可避免地引入多次下采样,造成不同程度的分辨率损失,导致图像分割结果常常存在语义边界误差,在解码阶段即使采用插值方法也难以恢复,如何弥补下采样造成的分辨率损失是提升图像语义分割精度的关键问题。
技术实现思路
1、本发明的目的在于提供一种语义分割图的获取方法、装置、设备及可读存储介质,以改善上述问题。
2、为了实现上述目的,本申请实施例提供了如下技术方案:
3、一方面,本申请实施例提供了一种语义分割图的获取方法,所述方法包括:
4、获取样本图像集;
5、构建初始语义分割网络结构,所述初始语义分割网络结构包括图像输入、教师网络分支、学生网络分支和总损失函数;
6、利用所述样本图像集对初始语义分割网络结构进行训练,得到语义分割网络模型;
7、利用所述语义分割网络模型对待处理图像进行语义分割,得到所述待处理图像对应的语义分割图。
8、第二方面,本申请实施例提供了一种语义分割图的获取装置,所述装置包括获取模块、构建模块、训练模块和分割模块。
9、获取模块,用于获取样本图像集;
10、构建模块,用于构建初始语义分割网络结构,所述初始语义分割网络结构包括图像输入、教师网络分支、学生网络分支和总损失函数;
11、训练模块,用于利用所述样本图像集对初始语义分割网络结构进行训练,得到语义分割网络模型;
12、分割模块,用于利用所述语义分割网络模型对待处理图像进行语义分割,得到所述待处理图像对应的语义分割图。
13、第三方面,本申请实施例提供了一种语义分割图的获取设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述语义分割图的获取方法的步骤。
14、第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述语义分割图的获取方法的步骤。
15、本发明的有益效果为:
16、本发明利用超像素内的像素大概率具有语义一致性的知识,建立了一种新的损失函数项,称之为超像素预测标签的确定性损失;基于该损失函数,架构了一种双分支的深度语义分割网络,该网络能够进行端到端的训练,教师网络分支可以将每一张图斑的超像素语义一致性知识提供给学生网络,以弥补多次下采样造成的分辨率损失。从而提升图像语义分割的泛化精度。同时学生网络和教师网络也可以使用目前主流的分割网络,只需添加一个损失项即可。
17、本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
1.一种语义分割图的获取方法,其特征在于,包括:
2.根据权利要求1所述的语义分割图的获取方法,其特征在于,构建初始语义分割网络结构,包括:
3.根据权利要求1所述的语义分割图的获取方法,其特征在于,利用所述样本图像集对初始语义分割网络结构进行训练,得到语义分割网络模型,包括:
4.根据权利要求1所述的语义分割图的获取方法,其特征在于,利用所述样本图像集对初始语义分割网络结构进行训练,得到语义分割网络模型,包括:
5.一种语义分割图的获取装置,其特征在于,包括:
6.根据权利要求5所述的语义分割图的获取装置,其特征在于,构建模块,包括:
7.根据权利要求5所述的语义分割图的获取装置,其特征在于,训练模块,包括:
8.根据权利要求5所述的语义分割图的获取装置,其特征在于,训练模块,包括:
9.一种语义分割图的获取设备,其特征在于,包括:
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述语义分割图的获取方法的步骤。