CN114648638A - 语义分割模型的训练方法、语义分割方法与装置 - Google Patents
语义分割模型的训练方法、语义分割方法与装置 Download PDFInfo
- Publication number
- CN114648638A CN114648638A CN202210351083.3A CN202210351083A CN114648638A CN 114648638 A CN114648638 A CN 114648638A CN 202210351083 A CN202210351083 A CN 202210351083A CN 114648638 A CN114648638 A CN 114648638A
- Authority
- CN
- China
- Prior art keywords
- semantic segmentation
- semantic
- network
- segmentation mask
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012549 training Methods 0.000 title claims abstract description 43
- 230000006870 function Effects 0.000 claims description 77
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 abstract description 13
- 238000013140 knowledge distillation Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004821 distillation Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种语义分割模型的训练方法、语义分割方法、装置、电子设备和介质,涉及图像处理与人工智能领域,尤其涉及计算机视觉、语义分割与知识蒸馏。一种语义分割模型的训练方法包括:确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型;对于每个样本数据:将样本图像输入第一网络,获得第一图像特征和第一预测语义分割掩码;将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码;将第一图像特征输入到第三网络以获得第一预测语义类型,并且将第二图像特征输入到第三网络以获得第二预测语义类型;确定损失函数;以及基于损失函数调整第一网络的参数。
Description
技术领域
本公开涉及图像处理与人工智能技术领域,尤其涉及计算机视觉、语义分割与知识蒸馏,具体涉及一种语义分割模型的训练方法、语义分割方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
在图像处理与计算机视觉中,得到广泛应用的一种技术被称为语义分割。语义分割是一种使得计算机能够根据图像的语义来对图像进行分割的方法,从像素的角度分割出图片中的不同对象。语义分割在各种领域都得到广泛应用。
发明内容
本公开提供了一种语义分割模型的训练方法、语义分割方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种语义分割模型的训练方法,所述语义分割模型用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型,所述训练方法包括:确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型;对于每个样本数据:将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码;将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型;基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数;以及基于所述损失函数调整所述第一网络的参数。
根据本公开的另一方面,提供了一种语义分割方法,包括:将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码;将所述图像特征输入语义类型确定网络,获得语义类型;以及基于所述语义分割掩码和所述语义类型确定语义分割结果,其中,所述特征提取与语义分割网络是根据根据本公开的一个或多个实施例的语义分割模型的训练方法训练的第一网络。
根据本公开的另一方面,提供了一种语义分割模型的训练装置,所述语义分割模型用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型,所述训练装置包括:样本数据确定单元,用于确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型;样本数据输入单元,用于对于每个样本数据:将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码;语义类型确定单元,用于将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型;损失函数确定单元,用于基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数;以及参数调整单元,用于基于所述损失函数调整所述第一网络的参数。
根据本公开的另一方面,提供了一种语义分割装置,包括:图像输入单元,用于将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码;图像特征输入单元,用于将所述图像特征输入语义类型确定网络,获得语义类型;以及语义分割结果确定单元,用于基于所述语义分割掩码和所述语义类型确定语义分割结果,其中,所述特征提取与语义分割网络是根据根据本公开的一个或多个实施例的语义分割模型的训练方法训练的第一网络。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据本公开的一个或多个实施例的语义分割模型的训练方法或语义分割方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开的一个或多个实施例的语义分割模型的训练方法或语义分割方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的语义分割模型的训练方法或语义分割方法。
根据本公开的一个或多个实施例,可以获得更准确的语义分割模型或获得更准确的语义分割结果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图;
图2示出了根据本公开的实施例的语义分割模型的训练方法的流程图;
图3示出了根据本公开的一个或多个实施例可以适用于的模型的示意图;
图4示出了根据本公开的实施例的语义分割方法的流程图;
图5示出了根据本公开的实施例的语义分割模型的训练装置的结构框图;
图6示出了根据本公开的实施例的语义分割装置的结构框图;
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行根据本公开的语义分割模型的训练方法或语义分割方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来训练语义分割模型、进行语义分割、查看训练或分割结果、对模型进行调试等等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***,例如MICROSOFT Windows、APPLE iOS、类UNIX操作***、Linux或类Linux操作***(例如GOOGLE Chrome OS);或包括各种移动操作***,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式***的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
下面参考图2描述根据本公开的示例性实施例的语义分割模型的训练方法200。所述语义分割模型可以用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型。
在步骤S201处,确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型。
在步骤S202处,对于每个样本数据:将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码。
在步骤S203处,将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型。
在步骤S204处,基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数。
在步骤S205处,基于所述损失函数调整所述第一网络的参数。
根据本公开的实施例所述的方法,能够获得更准确的语义分割模型。
尤其是,根据本公开的实施例,能够借助知识蒸馏,迅速且有效地训练语义分割网络。第一网络可以被视为学生模型,而第二网络被视为教师模型,在训练时借助教师模型对学生模型进行训练,并且训练好的模型在应用时使用学生模型。具体地,在训练过程中,学生模型输入原图,而教师模型输入语义分割结果。学生模型与教师模型共用语义类型预测部分也即第三网络。使用学生模型、教师模型以及语义类型预测网络(第三网络)这三者的输出与真实标签比较,可以计算损失函数,并且对第一网络的参数进行调整。例如,可以计算每个预测标签与对应的真实标签的差异,并且调整参数使得差异(例如,差异的平方和)最小。也可以采用其他的本领域技术人员已知的计算损失函数的方法,并且本公开不限于此。
可以理解的是,第三网络可以是预训练的语义类型识别网络,或者,也可以基于损失函数对第三网络的参数进行调节,并且本公开不限于此。同样可以理解的是,第二网络可以是预训练的网络、经过初步训练的网络,或者也可以基于损失函数对第二网络的参数进行调节,并且本公开不限于此。
一般而言,知识蒸馏需要复杂的教师网络。相反,根据本公开的实施例,可以不需要特别复杂的教师模型即可获得较好的语义分割模型。
根据一些实施例,所述损失函数可以包括第一子损失部分,确定损失函数包括基于所述第一预测语义分割掩码、所述第一预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第一子损失部分,所述第一子损失部分标识所述第一预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第一预测语义类型和所述真实语义类型之间的差异。
在这样的实施例中,第一子损失部分是基于学生模型所生成的预测值与真实值的差异构建的,并且能够反映学生模型本身(第一网络,或第一网络与第三网络)所预测的结果与真实标签的差异。
根据一些实施例,所述损失函数可以包括第二子损失部分,确定损失函数包括基于所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第二子损失部分,所述第二子损失部分标识所述第二预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第二预测语义类型与所述真实语义类型之间的差异。在这样的实施例中,第二子损失部分是基于第二网络(教师模型)的预测值与真实值的差异构建损失函数,并且通过教师模型的差异实现知识蒸馏的效果。
根据一些实施例,所述损失函数可以包括第三子损失部分,确定损失函数包括基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定所述第三子损失部分,所述第三子损失部分标识所述第一预测语义分割掩码与所述第二预测语义分割掩码之间的差异。
在这样的实施例中,基于学生模型与教师模型之间的结果的差异来构建损失函数(或损失函数的一部分),从而能够实现学生模型与教师模型之间对比学习,使得学生模型的训练速度更快,并且可以获得更准确的学生模型。
可以理解的是,以上对损失函数可以包括特定子损失部分的叙述并非要求损失函数一定由多于一个的“子损失函数”构成,并且术语“子损失函数”的使用也并非表示该子损失函数一定只是损失函数的一部分。例如,损失函数可以仅包括第一子损失部分、第二子损失部分或第三子损失部分中的一个。或者,在某些精度要求或者某些训练阶段(例如,初期),损失函数可以包括这些子损失部分中的的一个或多个,在另外的精度要求或者不同的训练阶段,损失函数可以包括另外的一个或多个子损失部分,等等。进一步可以理解的是,以上的第一子损失部分、第二子损失部分或第三子损失部分仅为示例,并且损失函数可以包括更多或者不同形式的部分。作为一个非限制性示例,损失函数可以不包括如上所述的第二子损失部分,而是包括标识所述第二预测语义分割掩码与所述真实语义分割掩码之间的差异的损失部分,等等,并且本公开不限于此。
根据一些实施例,基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定第三损失函数可以包括:基于所述第一预测语义分割掩码和所述真实语义分割掩码确定第一匹配掩码集合;基于所述第二预测语义分割掩码和所述真实语义分割掩码确定第二匹配掩码集合;基于所述第一匹配掩码集合和所述第二匹配掩码集合确定掩码相似度;以及基于所述掩码相似度确定所述第三损失函数。
在这样的可选实施例中,可以在掩码层面进行损失函数的计算,能够更准确地反映差别所在,从而更高效训练获得准确的模型。更具体地,由于同一张图片的不同mask之间不存在重叠,因此在对比学习的过程中不会出现噪声,从而达到更好的训练效果。掩码层面的相似度可以采用dice值,并且这将在下文中结合具体实施例进一步叙述。
根据一些实施例,所述第一预测语义分割掩码和所述第二预测语义分割掩码可以具有第一维度,所述真实语义分割掩码、所述第一匹配掩码集合和所述第二匹配掩码集合可以具有第二维度,所述第一维度大于所述第二维度。
具体数据格式构建,也即第三模型输出的语义分割掩码具有冗余的维度,从而能够适用于多种不同的样本,便于训练。
根据一些实施例,还可以包括基于所述损失函数调整所述第二网络的参数。在这样的实施例中,可以在训练学生模型的同时,还可以训练教师模型,从而达到自蒸馏的效果。教师模型可以是预先部分训练的,从而更准确的教师模型能够便于实现更准确的学生模型。而且进一步可选地,教师模型可以采用初始参数并且与学生模型一起训练,这样的自蒸馏不再需要对教师模型事先的预训练过程仍能实现蒸馏效果。
根据一些实施例,所述第一网络与所述第二网络可以具有相同的网络结构和初始参数。在这样的实施例中,教师模型与学生模型共享结构与初始参数,不再需要复杂的教师模型即可实现知识蒸馏的效果。
根据一些实施例,所述方法还可以包括基于所述损失函数调整所述第三网络的参数。可以同时训练第三网络,从而使得网络具有更好的训练效果。
可以理解的是,在某些可选实施例中,第一网络、第二网络和第三网络可以均在训练过程中进行调节,从而而无需网络任何部分的预训练。在另外的实施例中,每个网络部分也可以是预先训练或者预先部分训练的,并且本公开不限于此。
根据一些实施例,所述第三网络可以包括transformer模型与连接在所述transformer模型之后的全连接层网络。通过这样的第三网络,一方面能够利用transformer模型通过注意力机制准确地着重于需要关注的特征,因此适于从特征到语义类型的预测,并且之后的全连接层网络适合于参数的进一步归类与识别,由此可以获得更好的效果。可以理解的是,本公开不限于此,并且本领域技术人员能够想到的其他类型的网络也可以用作这里的第三网络。
根据本公开的一个或多个实施例,能够解决知识蒸馏用于语义分割中对一个优秀的教师模型要求过高的问题。根据本公开的一个或多个实施例,能够将图像的语义分割标注输入到教师模型的骨干网络中,并使用教师模型与学生模型共享参数的语义类型确定部分(第三网络),对原图像输入做常规语义分割训练,对语义分割标签的输入做重构,并且可选地,可以在两者的mask之间做对比学习。根据本公开的一个或多个实施例,不再需要通过非常庞大的教师模型。尤其是,避免了知识蒸馏中经常存在的对于优秀的教师模型的依赖过重,需要提前需要大量的时间去训练一个教师模型的问题,并且这样的模型训练过程通过对比自蒸馏可以更好的将蒸馏出的信息融入到模型中。
参照图3描述根据本公开的一个具体的非限制性实施例,其中示出第一网络(学生模型)部分310、第二网络(教师模型)部分320和第三网络部分330。学生模型部分310可以包含主干网络(backbone)311、一个或多个层312、像素解码器(pixel decoder)网络313、一个或多个层314、标签预测部分315和匹配部分316。教师模型320可以类似地包含主干网络(backbone)321、一个或多个层322、像素解码器(pixel decoder)网络323、一个或多个层324、标签预测部分325和匹配部分326,并且其结构可选地与学生模型的对应部分的结构分别相同。可以理解的是,以上构成均为示例,并且教师模型和学生模型中的任一个可以包含更多或更少的部分,或者完全不同的子网络部分,只要其能够实现对应的功能(特征提取等)即可。
可以将样本数据中的原始图像输入到学生模型中。具体地说,给定一个已经标定的样本数据,其可以是图像标签对{xs,zgt}的形式,xs是图片,zgt是相应的标注,并且其中,zgt还可以进一步包含类别标签cgt和mgt掩码(mask)标签mgt。
例如,用W和H表示图片的宽度和高度。可以将维度为W*H的图像xs输入学生模型310中,并且进一步将学生模型的特征提取部分得到的特征输入到第三网络中。第三网络330和学生模型310可以分别输出预测的概率ps和预测的掩码标签ms,其中概率分布ps包含一个空类标签和K个真实标签。
可以在预测集psms和cgtmgt之间,对于学生模型310执行最优二值匹配,以计算监督损失:
其中Q表示空类,σ(i)表示最优二值匹配。
对于教师模型320,可以将样本数据中与图像xs对应的zgt输入到教师模型中。在这里,可以认为学生模型和教师模型共享相同的第三网络部分。换言之,教师模型输出预测的掩码标签mt,并且第三网络部分为教师模型输出对应的概率pt。例如,可以通过与学生模型相同的损失来重构zgt,并且可以计算监督损失:
可以理解的是,虽然图3中示出第三网络部分330包括两个子网络部分,分别为transformer网络331和多个层(例如,全连接网络MLP)332,但是可以理解的是,本公开不限于此。第三网络可以使用其他基于图像特征生成预测概率(预测语义)的网络,并且可以包括更多或者更少的子部分。
在第三网络部分330包括transformer模型的情况下,transformer模型的输入维度也即object query的维度可以设置为较大的值(例如,50、100,或其他大于常见图像中能分割出的不同语义类型数量的值)。这里的输入维度可以被理解成如上文所述的第一维度。例如,第一维度可以为100,意味着最多可以从图像中识别100个不同的分类,而第二维度可能是3或4(例如,语义分割结果包括人、马、天空、地面四个分类),以上仅为示例。
进一步,基于一些可选的实施例,可以在教师模型与学生模型输出的mt和ms之间做对比学习,以更好让学生模型蒸馏教师模型的信息。
一般来说,对比学习(contrastive learning)可以基于图像特征级(图像分类)别或像素级别(语义分割)。本公开的一些可选实施例提出了mask级的对比学习(Maskcontrastive learning),并且具体可以包括通过对比0-1mask之间的相似度来完成训练。mask级的对比学习的优势在于,由于同一张图片的不同mask之间不存在重叠,因此在对比学习的过程中不会出现噪声。可以设置损失函数以使得对模型(第一网络部分,并且可选地,第二网络部分和/或第三网络部分)进行调整,以增加教师模型和学生模型输出之间相同类别mask的相似性,并减少不匹配的mask对之间的相似性。
更具体地,提出一种mask级的对比学习(Mask Contrastive,简称MC)损失。从教师网络和学生网络的输出中得到类别值(logits)和掩码的嵌入表示(mask embedding),并且可以通过矩阵乘法将类别值和掩码的嵌入表示相乘获得相应的掩码预测结果。之后,分别将mt和ms与语义分割标注也即真实结果进行最优二值匹配,可以得到匹配到的集合其中N为输入图片中mask的数量,σ(i)表示最优二值匹配。MaskContrastive损失函数可以定义如下:
基于上文的示例,整体的损失函数可以定义为:
Ltotal=Lstudent+Lteacher+αLcontrastive
其中,α可以是一个常数,用于平衡对比损失和常规训练损失。作为一个非限制性示例,α可以是0.2、0.5、0.8等。
根据这样的实施例,能够有效提升基于深度学习的语义分割***分割精度。可以理解的是,以上网络模型、函数构建和参数值等等仅为示例,并且本公开不限于此。
下面参考图4描述根据本公开的示例性实施例的语义分割方法400。
在步骤401处,将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码。
在步骤402处,将所述图像特征输入语义类型确定网络,获得语义类型。
在步骤403处,基于所述语义分割掩码和所述语义类型确定语义分割结果,其中,所述特征提取与语义分割网络是根据本公开的实施例的语义分割模型的训练方法训练的第一网络。
根据本公开的实施例所述的方法,能够获得更准确的语义分割结果。
根据一些实施例,所述语义类型确定网络是根据本公开的实施例的语义分割模型的训练方法训练的第三网络。
现在参考图5描述根据本公开的实施例的语义分割模型的训练装置500。所述语义分割模型用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型。装置500可以包括样本数据确定单元501、样本数据输入单元502、语义类型确定单元503、损失函数确定单元504和参数调整单元505。
样本数据确定单元501可以用于确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型。
样本数据输入单元502可以用于对于每个样本数据:将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码。
语义类型确定单元503可以用于将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型。
损失函数确定单元504可以用于基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数。
参数调整单元505可以用于基于所述损失函数调整所述第一网络的参数。
根据本公开的实施例所述的装置,能够获得更准确的语义分割模型。
根据一些实施例,所述损失函数可以包括第一子损失部分,确定损失函数包括基于所述第一预测语义分割掩码、所述第一预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第一子损失部分,所述第一子损失部分标识所述第一预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第一预测语义类型和所述真实语义类型之间的差异。
根据一些实施例,所述损失函数可以包括第二子损失部分,确定损失函数包括基于所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第二子损失部分,所述第二子损失部分标识所述第二预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第二预测语义类型与所述真实语义类型之间的差异。
根据一些实施例,所述损失函数可以包括第三子损失部分,确定损失函数包括基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定所述第三子损失部分,所述第三子损失部分标识所述第一预测语义分割掩码与所述第二预测语义分割掩码之间的差异。
现在参考图6描述根据本公开的实施例的语义分割装置600。语义分割装置600可以包括图像输入单元601、图像特征输入单元602和语义分割结果确定单元603。
像输入单元601可以用于将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码。
图像特征输入单元602可以用于将所述图像特征输入语义类型确定网络,获得语义类型。
语义分割结果确定单元603可以用于基于所述语义分割掩码和所述语义类型确定语义分割结果,其中,所述特征提取与语义分割网络可以是根据本公开的实施例的语义分割模型的训练方法训练的第一网络。
根据本公开的实施例所述的装置,能够获得更准确的语义分割结果。
本公开的技术方案中,所涉及的用户个人信息的收集、获取,存储、使用、加工、传输、提供和公开应用等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如方法200和/或400及其变型例等。例如,在一些实施例中,方法200和/或400及其变型例等可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的方法200和/或400及其变型例等的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200和/或400及其变型例等。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种语义分割模型的训练方法,所述语义分割模型用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型,所述训练方法包括:
确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型;
对于每个样本数据:
将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及
将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码;
将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型;
基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数;以及
基于所述损失函数调整所述第一网络的参数。
2.根据权利要求1所述的方法,其中,所述损失函数包括第一子损失部分,确定损失函数包括基于所述第一预测语义分割掩码、所述第一预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第一子损失部分,所述第一子损失部分标识所述第一预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第一预测语义类型和所述真实语义类型之间的差异。
3.根据权利要求1或2所述的方法,其中,所述损失函数包括第二子损失部分,确定损失函数包括基于所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第二子损失部分,所述第二子损失部分标识所述第二预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第二预测语义类型与所述真实语义类型之间的差异。
4.根据权利要求1-3中任一项所述的方法,其中,所述损失函数包括第三子损失部分,确定损失函数包括基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定所述第三子损失部分,所述第三子损失部分标识所述第一预测语义分割掩码与所述第二预测语义分割掩码之间的差异。
5.根据权利要求4所述的方法,其中,基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定第三损失函数包括:
基于所述第一预测语义分割掩码和所述真实语义分割掩码确定第一匹配掩码集合;
基于所述第二预测语义分割掩码和所述真实语义分割掩码确定第二匹配掩码集合;
基于所述第一匹配掩码集合和所述第二匹配掩码集合确定掩码相似度;以及
基于所述掩码相似度确定所述第三损失函数。
6.根据权利要求5所述的方法,其中,所述第一预测语义分割掩码和所述第二预测语义分割掩码具有第一维度,所述真实语义分割掩码、所述第一匹配掩码集合和所述第二匹配掩码集合具有第二维度,所述第一维度大于所述第二维度。
7.根据权利要求1-6中任一项所述的方法,还包括基于所述损失函数调整所述第二网络的参数。
8.根据权利要求7所述的方法,其中,所述第一网络与所述第二网络具有相同的网络结构和初始参数。
9.根据权利要求1-8中任一项所述的方法,其中,所述方法还包括基于所述损失函数调整所述第三网络的参数。
10.根据权利要求1-9所述的方法,其中,所述第三网络包括transformer模型与连接在所述transformer模型之后的全连接层网络。
11.一种语义分割方法,包括:
将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码;
将所述图像特征输入语义类型确定网络,获得语义类型;以及
基于所述语义分割掩码和所述语义类型确定语义分割结果,
其中,所述特征提取与语义分割网络是根据权利要求1-10中任一项所述的方法训练的第一网络。
12.根据权利要求11所述的语义分割方法,其中,所述语义类型确定网络是根据权利要求9或10所述的第三网络。
13.一种语义分割模型的训练装置,所述语义分割模型用于基于输入图像确定语义分割掩码和语义类型,所述语义分割模型包括第一网络和第三网络,所述第一网络用于基于所述输入图像确定语义分割掩码和图像特征,所述第三网络用于基于图像特征确定语义类型,所述训练装置包括:
样本数据确定单元,用于确定至少一个样本数据,每个样本数据包括样本图像、真实语义分割掩码和真实语义类型;
样本数据输入单元,用于对于每个样本数据:
将样本图像输入所述第一网络,获得第一图像特征和第一预测语义分割掩码;以及
将真实语义分割掩码和真实语义类型输入第二网络,获得第二图像特征和第二预测语义分割掩码;
语义类型确定单元,用于将所述第一图像特征输入到所述第三网络以获得第一预测语义类型,并且将所述第二图像特征输入到所述第三网络以获得第二预测语义类型;
损失函数确定单元,用于基于所述第一预测语义分割掩码、所述第一预测语义类型、所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定损失函数;以及
参数调整单元,用于基于所述损失函数调整所述第一网络的参数。
14.根据权利要求13所述的装置,其中,所述损失函数包括第一子损失部分,确定损失函数包括基于所述第一预测语义分割掩码、所述第一预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第一子损失部分,所述第一子损失部分标识所述第一预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第一预测语义类型和所述真实语义类型之间的差异。
15.根据权利要求13或14所述的装置,其中,所述损失函数包括第二子损失部分,确定损失函数包括基于所述第二预测语义分割掩码、所述第二预测语义类型、所述真实语义分割掩码和所述真实语义类型确定所述第二子损失部分,所述第二子损失部分标识所述第二预测语义分割掩码与所述真实语义分割掩码之间的差异以及所述第二预测语义类型与所述真实语义类型之间的差异。
16.根据权利要求13-15中任一项所述的装置,其中,所述损失函数包括第三子损失部分,确定损失函数包括基于所述第一预测语义分割掩码和所述第二预测语义分割掩码确定所述第三子损失部分,所述第三子损失部分标识所述第一预测语义分割掩码与所述第二预测语义分割掩码之间的差异。
17.一种语义分割装置,包括:
图像输入单元,用于将待处理的图像输入特征提取与语义分割网络,获得图像特征和语义分割掩码;
图像特征输入单元,用于将所述图像特征输入语义类型确定网络,获得语义类型;以及
语义分割结果确定单元,用于基于所述语义分割掩码和所述语义类型确定语义分割结果,
其中,所述特征提取与语义分割网络是根据权利要求1-10中任一项所述的方法训练的第一网络。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10和11-12中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10和11-12中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-10和11-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351083.3A CN114648638A (zh) | 2022-04-02 | 2022-04-02 | 语义分割模型的训练方法、语义分割方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351083.3A CN114648638A (zh) | 2022-04-02 | 2022-04-02 | 语义分割模型的训练方法、语义分割方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648638A true CN114648638A (zh) | 2022-06-21 |
Family
ID=81996523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210351083.3A Pending CN114648638A (zh) | 2022-04-02 | 2022-04-02 | 语义分割模型的训练方法、语义分割方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648638A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170934A (zh) * | 2022-09-05 | 2022-10-11 | 粤港澳大湾区数字经济研究院(福田) | 一种图像分割方法、***、设备及存储介质 |
CN115187819A (zh) * | 2022-08-23 | 2022-10-14 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
CN115222734A (zh) * | 2022-09-20 | 2022-10-21 | 山东大学齐鲁医院 | 一种用于胃黏膜肠上皮化生的图像分析方法及*** |
CN115294400A (zh) * | 2022-08-23 | 2022-11-04 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
CN115346074A (zh) * | 2022-09-02 | 2022-11-15 | 北京百度网讯科技有限公司 | 训练方法、图像处理方法、装置、电子设备以及存储介质 |
CN115578564A (zh) * | 2022-10-25 | 2023-01-06 | 北京医准智能科技有限公司 | 实例分割模型的训练方法、装置、电子设备及存储介质 |
CN115908823A (zh) * | 2023-03-09 | 2023-04-04 | 南京航空航天大学 | 一种基于难度蒸馏的语义分割方法 |
CN116756574A (zh) * | 2023-08-16 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 多模态预训练模型的训练方法、使用方法、装置和设备 |
CN117689890A (zh) * | 2024-01-09 | 2024-03-12 | 哈尔滨工程大学 | 一种基于晴雾场景的语义分割方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062951A (zh) * | 2019-12-11 | 2020-04-24 | 华中科技大学 | 一种基于语义分割类内特征差异性的知识蒸馏方法 |
CN111507343A (zh) * | 2019-01-30 | 2020-08-07 | 广州市百果园信息技术有限公司 | 语义分割网络的训练及其图像处理方法、装置 |
KR102191351B1 (ko) * | 2020-04-28 | 2020-12-15 | 아주대학교산학협력단 | 지식 증류법 기반 의미론적 영상 분할 방법 |
CN112734789A (zh) * | 2021-01-28 | 2021-04-30 | 重庆兆琨智医科技有限公司 | 一种基于半监督学习和点渲染的图像分割方法及*** |
US20210406579A1 (en) * | 2021-03-19 | 2021-12-30 | Beijing Baidu Netcom Science Technology Co., Ltd. | Model training method, identification method, device, storage medium and program product |
CN113902913A (zh) * | 2021-08-31 | 2022-01-07 | 际络科技(上海)有限公司 | 图片语义分割方法及装置 |
CN113971727A (zh) * | 2021-10-21 | 2022-01-25 | 京东鲲鹏(江苏)科技有限公司 | 一种语义分割模型的训练方法、装置、设备和介质 |
-
2022
- 2022-04-02 CN CN202210351083.3A patent/CN114648638A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507343A (zh) * | 2019-01-30 | 2020-08-07 | 广州市百果园信息技术有限公司 | 语义分割网络的训练及其图像处理方法、装置 |
CN111062951A (zh) * | 2019-12-11 | 2020-04-24 | 华中科技大学 | 一种基于语义分割类内特征差异性的知识蒸馏方法 |
KR102191351B1 (ko) * | 2020-04-28 | 2020-12-15 | 아주대학교산학협력단 | 지식 증류법 기반 의미론적 영상 분할 방법 |
CN112734789A (zh) * | 2021-01-28 | 2021-04-30 | 重庆兆琨智医科技有限公司 | 一种基于半监督学习和点渲染的图像分割方法及*** |
US20210406579A1 (en) * | 2021-03-19 | 2021-12-30 | Beijing Baidu Netcom Science Technology Co., Ltd. | Model training method, identification method, device, storage medium and program product |
CN113902913A (zh) * | 2021-08-31 | 2022-01-07 | 际络科技(上海)有限公司 | 图片语义分割方法及装置 |
CN113971727A (zh) * | 2021-10-21 | 2022-01-25 | 京东鲲鹏(江苏)科技有限公司 | 一种语义分割模型的训练方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
YASSINE OUALI 等: "Semi-Supervised Semantic Segmentation with Cross-Consistency Training", ARXIV:2003.09005V1, 19 March 2020 (2020-03-19), pages 1 - 18 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187819A (zh) * | 2022-08-23 | 2022-10-14 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
CN115294400A (zh) * | 2022-08-23 | 2022-11-04 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
CN115187819B (zh) * | 2022-08-23 | 2023-05-16 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
CN115346074B (zh) * | 2022-09-02 | 2023-06-16 | 北京百度网讯科技有限公司 | 训练方法、图像处理方法、装置、电子设备以及存储介质 |
CN115346074A (zh) * | 2022-09-02 | 2022-11-15 | 北京百度网讯科技有限公司 | 训练方法、图像处理方法、装置、电子设备以及存储介质 |
CN115170934A (zh) * | 2022-09-05 | 2022-10-11 | 粤港澳大湾区数字经济研究院(福田) | 一种图像分割方法、***、设备及存储介质 |
CN115222734B (zh) * | 2022-09-20 | 2023-01-17 | 山东大学齐鲁医院 | 一种用于胃黏膜肠上皮化生的图像分析方法及*** |
CN115222734A (zh) * | 2022-09-20 | 2022-10-21 | 山东大学齐鲁医院 | 一种用于胃黏膜肠上皮化生的图像分析方法及*** |
CN115578564A (zh) * | 2022-10-25 | 2023-01-06 | 北京医准智能科技有限公司 | 实例分割模型的训练方法、装置、电子设备及存储介质 |
CN115578564B (zh) * | 2022-10-25 | 2023-05-23 | 北京医准智能科技有限公司 | 实例分割模型的训练方法、装置、电子设备及存储介质 |
CN115908823A (zh) * | 2023-03-09 | 2023-04-04 | 南京航空航天大学 | 一种基于难度蒸馏的语义分割方法 |
CN116756574A (zh) * | 2023-08-16 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 多模态预训练模型的训练方法、使用方法、装置和设备 |
CN116756574B (zh) * | 2023-08-16 | 2023-11-21 | 腾讯科技(深圳)有限公司 | 多模态预训练模型的训练方法、使用方法、装置和设备 |
CN117689890A (zh) * | 2024-01-09 | 2024-03-12 | 哈尔滨工程大学 | 一种基于晴雾场景的语义分割方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114648638A (zh) | 语义分割模型的训练方法、语义分割方法与装置 | |
CN113836333A (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
CN113807440B (zh) | 利用神经网络处理多模态数据的方法、设备和介质 | |
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
CN114611532B (zh) | 语言模型训练方法及装置、目标翻译错误检测方法及装置 | |
CN115438214B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN114612749A (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
CN115082740A (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN114926828B (zh) | 场景文本识别方法、装置、电子设备及存储介质 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN115862031A (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN115269989A (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114140852A (zh) | 图像检测方法和装置 | |
CN114445190A (zh) | 商品推荐方法和装置 | |
CN114140547A (zh) | 图像生成方法和装置 | |
CN113868453A (zh) | 对象推荐方法和装置 | |
CN116311271B (zh) | 文本图像的处理方法及装置 | |
CN113836939B (zh) | 基于文本的数据分析方法和装置 | |
CN115564992A (zh) | 图像分类方法和图像分类模型的训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |