图像语义分割方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113689436A(43)申请公布日2021.11.23(21)申请号202111152660.8(22)申请日2021.09.29(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人郑喜民陈振宏舒畅陈又新(74)专利代理机构深圳市赛恩倍吉知识产权代理有限公司44334代理人钟良陈实顺(51)Int.Cl.G06T7/10(2017.01)G06T5/50(2006.01)G06K9/62(2006.01)权利要求书3页说明书17页附图2页(54)发明名称图像语义分割方法、装置、设备及存储介质(57)摘要本发明涉及人工智能，提供一种图像语义分割方法、装置、设备及存储介质。该方法能够获取尾部类别图像及头部类别图像，对尾部类别图像进行多尺度裁剪，得到多张裁剪图像，对每张裁剪图像进行增强处理，得到多张增强图像，根据每张裁剪图像、多张增强图像及头部类别图像生成训练图像，划分训练图像，得到第一阶段训练图像及第二阶段训练图像，基于第一阶段训练图像训练预设分类器，得到初始语义分割模型，根据第二阶段训练图像对初始语义分割模型中的预设参数进行调整，得到目标语义分割模型，分析待分类图像，得到目标类别。本发明能够准确的识别出图像所属的类别。此外，本发明还涉及区块链技术，所述目标类别可存储于区块链中。CN113689436ACN113689436A权利要求书1/3页1.一种图像语义分割方法，其特征在于，所述图像语义分割方法包括：从预设图像库中获取尾部类别图像及头部类别图像；根据所述尾部类别图像中的物体对象对所述尾部类别图像进行多尺度裁剪，得到多张裁剪图像；对每张裁剪图像进行增强处理，得到多张增强图像；根据每张裁剪图像及所述多张增强图像生成所述尾部类别图像的融合图像，并根据所述融合图像及所述头部类别图像生成训练图像；根据预设裁剪尺寸划分所述训练图像，得到第一阶段训练图像及第二阶段训练图像；基于所述第一阶段训练图像训练预设分类器，得到初始语义分割模型；根据所述第二阶段训练图像对所述初始语义分割模型中的预设参数进行调整，直至所述初始语义分割模型的损失值不再降低，得到目标语义分割模型；接收待分类图像，并根据所述目标语义分割模型分析所述待分类图像，得到所述待分类图像的目标类别。2.如权利要求1所述的图像语义分割方法，其特征在于，所述从预设图像库中获取尾部类别图像及头部类别图像包括：计算所述预设图像库中每个预设类别的样本数量；将取值最大的样本数量确定为第一数量，并将所述第一数量所对应的预设类别确定为第一类别；根据所述第一类别从所述预设图像库中获取所述头部类别图像；计算所述第一数量与预设比例的乘积，得到需求数量；将取值小于所述需求数量的样本数量确定为第二数量，并将所述第二数量所对应的预设类别确定为第二类别；根据所述第二类别从所述预设图像库中获取所述尾部类别图像。3.如权利要求1所述的图像语义分割方法，其特征在于，所述根据所述尾部类别图像中的物体对象对所述尾部类别图像进行多尺度裁剪，得到多张裁剪图像包括：获取所述尾部类别图像中的像素信息；根据所述像素信息确定所述物体对象在所述尾部类别图像中的位置信息；根据所述位置信息生成所述物体对象在所述尾部类别图像中的最小外接矩形；根据所述尾部类别图像获取所述最小外接矩形中左上角的坐标信息，并获取所述最小外接矩形的矩形宽度及矩形高度；计算所述坐标信息、所述矩形宽度及所述矩形高度，得到多个裁剪位置点，并分别计算所述矩形宽度及所述矩形高度，分别得到多个裁剪宽度及多个裁剪高度；根据任一裁剪位置点、任一裁剪宽度及任一裁剪高度对所述尾部类别图像进行裁剪处理，得到所述多张裁剪图像。4.如权利要求3所述的图像语义分割方法，其特征在于，所述根据所述融合图像及所述头部类别图像生成训练图像包括：根据所述任一裁剪位置点确定所述头部类别图像中的替换位置点；从所述头部类别图像中获取与所述替换位置点处于同一水平线的第一边缘位置点，并从所述头部类别图像中获取与所述替换位置点处于同一竖直线的第二边缘位置点；2CN113689436A权利要求书2/3页根据所述第一边缘位置点及所述替换位置点计算所述头部类别图像的最大替换宽度，并根据所述第二边缘位置点及所述替换位置点计算所述头部类别图像的最大替换高度；若所述最大替换宽度小于所述任一裁剪宽度，或者所述最大替换高度小于所述任一裁剪高度，调整所述替换位置点，得到目标位置点；根据所述目标位置点、所述任一裁剪宽度及所述任一裁剪高度生成所述头部类别图像的图像区域；基于所述融合图像替换所述图像区域，得到所述训练图像。5.如权利要求1所述的图像语义分割方法，其特征在于，所