CN111292329B - 视频分割网络的训练方法、装置及电子设备 - Google Patents

视频分割网络的训练方法、装置及电子设备 Download PDF

Info

Publication number
CN111292329B
CN111292329B CN202010039923.3A CN202010039923A CN111292329B CN 111292329 B CN111292329 B CN 111292329B CN 202010039923 A CN202010039923 A CN 202010039923A CN 111292329 B CN111292329 B CN 111292329B
Authority
CN
China
Prior art keywords
target object
fitting
training
difficulty
frame image
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.)
Active
Application number
CN202010039923.3A
Other languages
English (en)
Other versions
CN111292329A (zh
Inventor
苏凯
王长虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010039923.3A priority Critical patent/CN111292329B/zh
Publication of CN111292329A publication Critical patent/CN111292329A/zh
Application granted granted Critical
Publication of CN111292329B publication Critical patent/CN111292329B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例中提供了一种视频分割网络的训练方法、装置及电子设备，属于图像处理技术领域，该方法包括：搭建深度神经网络；获取初始的训练视频样本，其中，初始的训练视频样本包括多帧图像以及出现在多帧图像中的多个目标对象，每个目标对象在多帧图像中出现的次数相同；利用初始的训练视频样本训练深度神经网络，从多帧图像中分割出每个目标对象；根据每个目标对象的分割效果重新配置每个目标对象在多帧图像中出现的次数，得到优化后的训练视频样本；利用优化后的训练视频样本训练深度神经网络。通过本公开的方案，实现了针对不同分割效果的对象调整分割次数的适应性方案，有效提高视频分割网络的拟合泛化性能。

Description

视频分割网络的训练方法、装置及电子设备
技术领域
本公开涉及图像处理技术领域，尤其涉及一种视频分割网络的训练方法、装置及电子设备。
背景技术
在现有的图片处理技术领域中，为了从视频中分割和追踪感兴趣的对象，自动分割和跟踪视频中感兴趣的对象技术是非常迫切的。视频对象分割和跟踪是计算机视觉领域的两个基本任务。对象分割将视频帧中的像素划分为前景目标和背景区域的两个子集，并生成对象分割，这是行为识别和视频检索的核心问题。对象跟踪用于确定目标在视频图像中的确切位置用于智能监控，大数据视频分析等的必要步骤。
视频分割分为无监督VOS(Video Object Segmentation)，半监督VOS，交互式VOS，弱监督VOS和基于分段的跟踪方法(Video Object Tracking)。无监督VOS可以通过自下而上的过程产生连贯的时空区域而无需任何用户输入，即没有任何视频专用标签。而交互VOS使用强监督的交互方法，，需要对第一帧进行像素级精确分割，人工配置非常耗时，而且人类需要循环纠错系统。
而半监督VOS介于上面两者之间，这需要手动标记前景对象，然后在剩余帧上自动分割该前景对象。半监督视频分割是指在视频的第一帧预先定义好要分割的物体，算法需要在视频后续的每一帧，自动识别并分割出该物体。由于不同的物体具有各自不同的形状以及表观轮廓等，算法拟合每个物体的难度就有所不同，这就导致视频分割网络针对不同物体的分割效果较差。
可见，现有的视频分割网络存在针对不同物体的分割效果较差的技术问题。
发明内容
有鉴于此，本公开实施例提供一种视频分割网络的训练方法、装置及电子设备，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种视频分割网络的训练方法，包括：
搭建深度神经网络；
获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
利用所述优化后的训练视频样本训练所述深度神经网络。
根据本公开实施例的一种具体实现方式，所述根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数的步骤，包括：
分析每个目标对象的分割效果；
根据每个目标对象的分割效果，确定每个目标对象的拟合难度，其中，拟合难度为低级、中级和高级中的任一种；
根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数。
根据本公开实施例的一种具体实现方式，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，包括：
控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少。
根据本公开实施例的一种具体实现方式，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，还包括：
控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多。
根据本公开实施例的一种具体实现方式，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，还包括：
控制拟合难度为中级的目标对象在所述多帧图像中出现的次数保持不变。
根据本公开实施例的一种具体实现方式，所述分析每个目标对象的分割效果的步骤，包括：
计算所述深度神经网络从所述多帧图像中拟合每个所述目标对象时的拟合置信得分；
所述根据每个目标对象的分割效果，确定每个目标对象的拟合难度的步骤，包括：
将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般；
将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级；
将拟合置信得分大于所述第二阈值且小于所述第一阈值的目标对象的拟合难度确定为中级。
根据本公开实施例的一种具体实现方式，所述将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般的步骤，包括：
将拟合置信得分在前百分之十的目标对象的拟合难度确定为一般。
根据本公开实施例的一种具体实现方式，所述将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级的步骤，包括：
将拟合置信得分在后百分之十的目标对象的拟合难度确定为高级。
根据本公开实施例的一种具体实现方式，所述控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少的步骤，包括：
控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少百分之十；
以及，
所述控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多的步骤，包括：
控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多百分之十。
根据本公开实施例的一种具体实现方式，所述利用所述优化后的训练视频样本训练所述深度神经网络的步骤之后，所述方法还包括：
重复执行根据上一训练过程中针对目标对象的分割效果优化训练视频样本以及利用优化后的训练视频样本训练所述深度神经网络的步骤，直至全部目标对象分割效果均相同。
第二方面，本公开实施例提供了一种视频分割网络的训练装置，包括：
搭建模块，用于搭建深度神经网络；
获取模块，用于获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
分割模块，用于利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
配置模块，用于根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
训练模块，用于利用所述优化后的训练视频样本训练所述深度神经网络。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的视频分割网络的训练方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的视频分割网络的训练方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的视频分割网络的训练方法。
本公开实施例中的视频分割网络的训练方案，包括：搭建深度神经网络；获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；利用所述优化后的训练视频样本训练所述深度神经网络。通过本公开的方案，实现了针对不同分割效果的对象调整分割次数的适应性方案，有效提高视频分割网络的拟合泛化性能。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种视频分割网络的训练方法的流程示意图；
图2为本公开实施例提供的另一种视频分割网络的训练方法的部分流程示意图；
图3为本公开实施例提供的另一种视频分割网络的训练方法的部分流程示意图；
图4为本公开实施例提供的另一种视频分割网络的训练方法的部分流程示意图；
图5为本公开实施例提供的一种视频分割网络的训练装置的结构示意图；
图6为本公开实施例提供的电子设备的示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种视频分割网络的训练方法。本实施例提供的视频分割网络的训练方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，本公开实施例提供的一种视频分割网络的训练方法，包括：
S101，搭建深度神经网络；
本实施例提供的视频分割网络的训练方法，通过训练深度神经网络来实现视频中目标对象的分割。在电子设备内搭建深度神经网络，用于后续的训练过程。
S102，获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
在训练视频分割网络时，需要准备训练视频样本，利用训练视频样本数据来训练深度神经网络的对象分割能力，进而得到具备对象分割功能的视频分割网络。
视频分割网络的训练通常包括好多轮，将第一轮训练过程的训练视频样本定义为初始的训练视频样本。具体的，初始的视频训练样本包括多帧图像，多帧图像中出现多个待分割的目标对象。为保证较好的训练效果，限定在初始的训练视频样本中，每个目标对象在所述多帧图像中出现的次数相同，且不同的目标对象的形状和表现轮廓等参数存在差异。
S103，利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
将上述步骤中获得的初始的训练视频样本输入到所述深度神经网络，以使得该深度神经网络学习每帧图像中的针对每个目标对象的网络特征信息，并训练从多帧图像中分割出每个目标对象的能力。
S104，根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
在第一轮的视频分割网络的训练结束后，可以根据对象分割的数据来分析针对每个目标对象的分割效果。考虑到不同的对象具有各自不同的形状以及表现轮廓，分割每个对象的难度不同，针对每个目标对象的分割效果也有差别。
为提高深度神经网络在视频分割过程中分割权重的分配合理性，电子设备会依据第一轮中针对每个目标对象的分割效果，来确定每个目标对象的分割难易程度，进而在初始的训练视频样本的基础上，来重新配置每个目标对象在该多帧图像中出现的次数，以优化训练视频样本。
重新配置的过程可以为，减少容易分割的目标对象的出现次数，或者增加较难分割的目标对象的出现次数，以便将深度神经网络的分割权重合理分配，或者其他优化方案，不作限定。
S105，利用所述优化后的训练视频样本训练所述深度神经网络。
依据上述步骤优化训练视频样本后，再将该优化后的训练视频数据输入到该深度神经网络中，继续训练和优化以得到视频分割网络。
可选的，所述利用所述优化后的训练视频样本训练所述深度神经网络的步骤之后，所述方法还可以包括：
重复执行根据上一训练过程中针对目标对象的分割效果优化训练视频样本以及利用优化后的训练视频样本训练所述深度神经网络的步骤，直至全部目标对象分割效果均相同。
可以通过重复执行训练视频样本以及训练深度神经网络的操作，又极大程度地优化视频分割网络。
在本公开实施例的一种具体实现方式中，如图2所示，所述根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数的步骤，包括：
S201，分析每个目标对象的分割效果；
在第一轮或者训练结束之前的每一轮视频分割操作结束后，分析针对每个目标目标对象的分割效果。分析分割效果的过程可以为，分析分割出目标对象的数量、完整度、速度等参数，综合确定目标对象的分割效果。
S202，根据每个目标对象的分割效果，确定每个目标对象的拟合难度，其中，拟合难度为低级、中级和高级中的任一种；
依据上述步骤分析上一轮训练过程中针对每个目标对象的分割效果后，即可依据预先设定的规则，确定每个目标对象的拟合难度。
S203，根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数。
其中，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，可以包括：
S301，控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少；
S302，控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多；
S303，控制拟合难度为中级的目标对象在所述多帧图像中出现的次数保持不变。
进一步的，如图4所示，所述分析每个目标对象的分割效果的步骤，包括：
S401，计算所述深度神经网络从所述多帧图像中拟合每个所述目标对象时的拟合置信得分；
所述根据每个目标对象的分割效果，确定每个目标对象的拟合难度的步骤，包括：
S402，将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般；
S403，将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级；
S404，将拟合置信得分大于所述第二阈值且小于所述第一阈值的目标对象的拟合难度确定为中级。
在一种具体示例中，所述将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般的步骤，可以包括：
将拟合置信得分在前百分之十的目标对象的拟合难度确定为一般。
根据本公开实施例的一种具体实现方式，所述将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级的步骤，包括：
将拟合置信得分在后百分之十的目标对象的拟合难度确定为高级。
根据本公开实施例的一种具体实现方式，所述控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少的步骤，包括：
控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少百分之十；
以及，
所述控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多的步骤，包括：
控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多百分之十。
具体实施时，在视频的第一帧预先定义好要分割的物体，算法需要在视频后续的每一帧，自动识别并分割出该物体。
起初，在算法训练的第一轮，每种物体类别训练样本的出现次数相等。
第一轮训练结束，计算每类物体拟合置信得分，将得分最低的10％的物体类别视作该轮次的难拟合样本，将得分最高的10％的物体类别视作该轮次的容易拟合样本。
在下一轮次训练时，增加难拟合物体类别样本的出现次数，减少容易拟合物体类别样本的出现次数，从而让算法多关注难物体类别，少关注简单物体类别。
如此反复，直到训练结束。
本实施例中，根据每种物体类别的拟合置信得分，划分出了难拟合物体类别和易拟合物体类别。在当前训练轮次，增加难拟合物体类别的出现次数，减少易拟合物体类别的出现次数。值得注意的是，整个训练过程中都没有使用额外的训练数据。此外，每一轮训练时的难易物体类别都是动态变化的，根据算法自身拟合情况动态确定。通过本公开的方案，实现了针对不同分割效果的对象调整分割次数的适应性方案，有效提高视频分割网络的拟合泛化性能。
与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种视频分割网络的训练装置50，包括：
搭建模块501，用于搭建深度神经网络；
获取模块502，用于获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
分割模块503，用于利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
配置模块504，用于根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
训练模块505，用于利用所述优化后的训练视频样本训练所述深度神经网络。
图5所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的视频分割网络的训练方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的视频分割网络的训练方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的视频分割网络的训练方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向目标对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种视频分割网络的训练方法，其特征在于，包括：
搭建深度神经网络；
获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
利用所述优化后的训练视频样本训练所述深度神经网络；
其中，所述根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数的步骤，包括：
分析每个目标对象的分割效果；
根据每个目标对象的分割效果，确定每个目标对象的拟合难度，其中，拟合难度为低级、中级和高级中的任一种；
根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数；
所述分析每个目标对象的分割效果的步骤，包括：
计算所述深度神经网络从所述多帧图像中拟合每个所述目标对象时的拟合置信得分；
所述根据每个目标对象的分割效果，确定每个目标对象的拟合难度的步骤，包括：
将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般；
将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级；
将拟合置信得分大于所述第二阈值且小于所述第一阈值的目标对象的拟合难度确定为中级。
2.根据权利要求1所述的方法，其特征在于，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，包括：
控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少。
3.根据权利要求2所述的方法，其特征在于，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，还包括：
控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多。
4.根据权利要求3所述的方法，其特征在于，所述根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数的步骤，还包括：
控制拟合难度为中级的目标对象在所述多帧图像中出现的次数保持不变。
5.根据权利要求1所述的方法，其特征在于，所述将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般的步骤，包括：
将拟合置信得分在前百分之十的目标对象的拟合难度确定为一般。
6.根据权利要求5所述的方法，其特征在于，所述将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级的步骤，包括：
将拟合置信得分在后百分之十的目标对象的拟合难度确定为高级。
7.根据权利要求3所述的方法，其特征在于，所述控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少的步骤，包括：
控制拟合难度为低级的目标对象在所述多帧图像中出现的次数减少百分之十；
以及，
所述控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多的步骤，包括：
控制拟合难度为高级的目标对象在所述多帧图像中出现的次数增多百分之十。
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述利用所述优化后的训练视频样本训练所述深度神经网络的步骤之后，所述方法还包括：
重复执行根据上一训练过程中针对目标对象的分割效果优化训练视频样本以及利用优化后的训练视频样本训练所述深度神经网络的步骤，直至全部目标对象分割效果均相同。
9.一种视频分割网络的训练装置，其特征在于，包括：
搭建模块，用于搭建深度神经网络；
获取模块，用于获取初始的训练视频样本，其中，所述初始的训练视频样本包括多帧图像以及出现在所述多帧图像中的多个目标对象，每个目标对象在所述多帧图像中出现的次数相同；
分割模块，用于利用所述初始的训练视频样本训练所述深度神经网络，从所述多帧图像中分割出每个所述目标对象；
配置模块，用于根据每个目标对象的分割效果重新配置每个所述目标对象在所述多帧图像中出现的次数，得到优化后的训练视频样本；
训练模块，用于利用所述优化后的训练视频样本训练所述深度神经网络；
其中，所述配置模块具体用于：
分析每个目标对象的分割效果；
根据每个目标对象的分割效果，确定每个目标对象的拟合难度，其中，拟合难度为低级、中级和高级中的任一种；
根据每个目标对象的拟合难度重新配置每个目标对象在所述多帧图像中出现的次数；
所述配置模块具体还用于：
计算所述深度神经网络从所述多帧图像中拟合每个所述目标对象时的拟合置信得分；
所述根据每个目标对象的分割效果，确定每个目标对象的拟合难度的步骤，包括：
将拟合置信得分大于或者等于第一阈值的目标对象的拟合难度确定为一般；
将拟合置信得分小于或者等于第二阈值的目标对象的拟合难度确定为高级；
将拟合置信得分大于所述第二阈值且小于所述第一阈值的目标对象的拟合难度确定为中级。
10.一种电子设备，其特征在于，所述电子设备包括：
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前述权利要求1-8中任一项所述的视频分割网络的训练方法。
11.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-8中任一项所述的视频分割网络的训练方法。
CN202010039923.3A 2020-01-15 2020-01-15 视频分割网络的训练方法、装置及电子设备 Active CN111292329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010039923.3A CN111292329B (zh) 2020-01-15 2020-01-15 视频分割网络的训练方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010039923.3A CN111292329B (zh) 2020-01-15 2020-01-15 视频分割网络的训练方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111292329A CN111292329A (zh) 2020-06-16
CN111292329B true CN111292329B (zh) 2023-06-06

Family

ID=71029117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010039923.3A Active CN111292329B (zh) 2020-01-15 2020-01-15 视频分割网络的训练方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111292329B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509120A (zh) * 2011-11-04 2012-06-20 西安电子科技大学 基于迁移字典学习的高光谱图像的有监督分割方法
CN110210535A (zh) * 2019-05-21 2019-09-06 北京市商汤科技开发有限公司 神经网络训练方法及装置以及图像处理方法及装置
CN110689038A (zh) * 2019-06-25 2020-01-14 深圳市腾讯计算机系统有限公司 神经网络模型的训练方法、装置和医学图像处理系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229676B (zh) * 2017-05-18 2022-02-25 北京市商汤科技开发有限公司 神经网络模型的训练方法和装置、电子设备和计算机存储介质
CN109389142A (zh) * 2017-08-08 2019-02-26 上海为森车载传感技术有限公司 分类器训练方法
CN108491474A (zh) * 2018-03-08 2018-09-04 平安科技（深圳）有限公司 一种数据分类方法、装置、设备及计算机可读存储介质
CN108830277B (zh) * 2018-04-20 2020-04-21 平安科技（深圳）有限公司 语义分割模型的训练方法、装置、计算机设备和存储介质
CN109670429B (zh) * 2018-12-10 2021-03-19 广东技术师范大学 一种基于实例分割的监控视频多目标人脸检测方法及系统
CN109871791A (zh) * 2019-01-31 2019-06-11 北京字节跳动网络技术有限公司 图像处理方法和装置
CN109829428B (zh) * 2019-01-31 2020-01-17 兰州交通大学 基于改进YOLOv2的视频图像行人检测方法及系统
CN110443280B (zh) * 2019-07-05 2022-06-03 北京达佳互联信息技术有限公司 图像检测模型的训练方法、装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509120A (zh) * 2011-11-04 2012-06-20 西安电子科技大学 基于迁移字典学习的高光谱图像的有监督分割方法
CN110210535A (zh) * 2019-05-21 2019-09-06 北京市商汤科技开发有限公司 神经网络训练方法及装置以及图像处理方法及装置
CN110689038A (zh) * 2019-06-25 2020-01-14 深圳市腾讯计算机系统有限公司 神经网络模型的训练方法、装置和医学图像处理系统

Also Published As

Publication number Publication date
CN111292329A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN110287810B (zh) 车门动作检测方法、装置和计算机可读存储介质
CN111222509B (zh) 目标检测方法、装置及电子设备
CN110287816B (zh) 车门动作检测方法、装置和计算机可读存储介质
CN111738316B (zh) 零样本学习的图像分类方法、装置及电子设备
CN110287817B (zh) 目标识别及目标识别模型的训练方法、装置和电子设备
CN111324261A (zh) 目标对象的截取方法、装置、电子设备及存储介质
CN111626990B (zh) 目标检测框处理方法、装置及电子设备
CN111401229B (zh) 视觉小目标自动标注方法、装置及电子设备
CN110555861B (zh) 光流计算方法、装置及电子设备
CN110378936B (zh) 光流计算方法、装置及电子设备
CN110197459B (zh) 图像风格化生成方法、装置及电子设备
CN111292329B (zh) 视频分割网络的训练方法、装置及电子设备
CN111832354A (zh) 目标对象年龄识别方法、装置及电子设备
CN110751120A (zh) 一种检测方法、装置及电子设备
CN113033682B (zh) 视频分类方法、装置、可读介质、电子设备
CN113379733B (zh) 无参考图像质量评价的分块标签权重度量方法及设备
CN111680754B (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN112036519B (zh) 基于多位sigmoid的分类处理方法、装置及电子设备
CN113033680A (zh) 视频分类方法、装置、可读介质及电子设备
CN111738311A (zh) 面向多任务的特征提取方法、装置及电子设备
CN110704679A (zh) 视频分类方法、装置及电子设备
CN114359673B (zh) 基于度量学习的小样本烟雾检测方法、装置和设备
CN113256659B (zh) 图片处理方法、装置和电子设备
CN110969189B (zh) 人脸检测方法、装置及电子设备
CN111311665B (zh) 视频处理方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant