弱监督语义分割方法、语义分割方法及可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998595A(43)申请公布日2022.09.02(21)申请号202210842122.X(22)申请日2022.07.18(71)申请人赛维森（广州）医疗科技服务有限公司地址510220广东省广州市海珠区瑞宝瑞兴街一横街3号106铺(72)发明人陈旭琳林真汪进陈睿(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师林伟峰梁嘉琦(51)Int.Cl.G06V10/26(2022.01)G06K9/62(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书2页说明书12页附图5页(54)发明名称弱监督语义分割方法、语义分割方法及可读存储介质(57)摘要本申请公开了一种弱监督语义分割方法、语义分割方法、数据处理装置及计算机可读存储介质，包括利用骨干分类网络对图像块进行分类处理，得到分类特征图；分类特征图包括目标分类特征图和中间分类特征图；根据目标分类特征图得到类别激活图，利用图像分类标签和类别激活图对骨干分类网络的分类参数进行调整；利用类别激活图以及分割特征图生成伪分割标签；根据伪分割标签对第一分割网络的第一分割参数进行调整；利用分割特征图生成目标分割标签，根据目标分割标签和目标特征图对第二分割网络的第二分割参数进行调整；将训练完成后得到的目标特征图作为语义分割结果，充分利用中间分类特征图来优化第二分割网络，从而能够提高语义分割的准确性。CN114998595ACN114998595A权利要求书1/2页1.一种弱监督语义分割方法，其特征在于，包括：获取输入的图像块，所述图像块均对应设置有图像分类标签；利用骨干分类网络对所述图像块进行分类处理，得到分类特征图，所述分类特征图的尺寸各不相同，所述分类特征图包括所述分类处理后输出的目标分类特征图和所述分类处理中不输出的中间分类特征图；根据所述目标分类特征图得到类别激活图，利用所述图像分类标签和所述类别激活图对所述骨干分类网络的分类参数进行调整；利用第一分割网络对所述中间分类特征图进行第一分割处理，得到分割特征图，其中，每一个所述中间分类特征图均对应有一个所述第一分割网络；利用所述类别激活图以及所述分割特征图，生成伪分割标签；根据所述伪分割标签对所述第一分割网络的第一分割参数进行调整；利用第二分割网络对所述图像块进行第二分割处理，得到目标特征图；利用所述分割特征图生成目标分割标签，根据所述目标分割标签和所述目标特征图对所述第二分割网络的第二分割参数进行调整；将训练完成后得到的所述目标特征图作为语义分割结果。2.根据权利要求1所述的弱监督语义分割方法，其特征在于，在所述训练第一分割网络步骤中，所述利用第一分割网络对所述中间分类特征图进行第一分割处理，得到分割特征图，包括：将所述中间分类特征图输入第一卷积层，得到第一结果特征图，其中，所述第一卷积层具有1×1的卷积核，所述第一卷积层的通道数为256，所述第一卷积层的填充值是0；将所述第一结果特征图输入第二卷积层，得到第二结果特征图，其中，所述第二卷积层具有3×3的卷积核，所述第二卷积层的通道数为256，所述第二卷积层的填充值是1；将所述第二结果特征图输入第三卷积层，得到第三结果特征图，其中，所述第三卷积层具有5×5的卷积核，所述第三卷积层的通道数为256，所述第三卷积层的填充值是2；将所述第一结果特征图、第二结果特征图和第三结果特征图进行级联处理，得到通道扩展特征图；对所述通道扩展特征图进行全连接激活处理，得到分割特征图，其中，所述分割特征图的通道数与所述图像分类标签中标签的数量相同。3.根据权利要求2所述的弱监督语义分割方法，其特征在于，所述中间分类特征图包括相邻的第一分类特征图以及第二分类特征图，所述第一分类特征图的尺寸大于所述第二分类特征图的尺寸，所述中间分类特征图还包括与所述目标分类特征图相邻的第三分类特征图，所述伪分割标签包括第一分割标签和第二分割标签，在所述训练第一分割网络步骤中，所述利用所述类别激活图以及所述分割特征图，生成伪分割标签，包括：对所述类别激活图进行上采样处理，得到类别分割特征图，其中，所述类别分割特征图的尺寸与所述第三分类特征图的尺寸相同；将所述类别分割特征图以及将类别分割特征图归一化处理后得到的特征图投射在预设的第一阈值，生成所述第一分割标签；将所述第二分类特征图得到的分割特征图进行上采样处理，得到第一分割特征图，其中，所述第一分割特征图的尺寸与所述第一分类特征图的尺寸相同；将所述第一分割特征图投射在预设的第二阈值，生成所述第二分割标签。2CN114998595A权利要求书2/2页4.根据权利要求3所述的弱监督语义分割方法，其特征在于，在所述训练第一分割网络步骤中，所述根据所述