CN113361536A - 图像语义分割模型训练、图像语义分割方法及相关装置 - Google Patents
图像语义分割模型训练、图像语义分割方法及相关装置 Download PDFInfo
- Publication number
- CN113361536A CN113361536A CN202110735564.XA CN202110735564A CN113361536A CN 113361536 A CN113361536 A CN 113361536A CN 202110735564 A CN202110735564 A CN 202110735564A CN 113361536 A CN113361536 A CN 113361536A
- Authority
- CN
- China
- Prior art keywords
- scale
- feature map
- image
- semantic segmentation
- image semantic
- 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.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000012549 training Methods 0.000 title claims abstract description 80
- 238000005070 sampling Methods 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 64
- 238000010586 diagram Methods 0.000 claims abstract description 61
- 238000011084 recovery Methods 0.000 claims abstract description 58
- 230000009467 reduction Effects 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了图像语义分割模型训练、图像语义分割方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习等人工智能技术领域。该方法包括：利用多个下采样层对各样本图像进行尺度缩减；控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。可缩短图像语义分割模型的训练时长和结果输出耗时。
Description
技术领域
本公开涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，尤其涉及一种图像语义分割模型训练和图像语义分割方法，以及以对应的装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
随着机器学习、深度学习、神经网络的不断发展，逐渐在各种领域有了广泛的应用。同时，模型的训练阶段是保障模型可用性的重要阶段，而训练阶段往往需要耗费较长的时间，尤其是在需要提取多尺度特征来更好的识别相同元素以不同尺度出现在实际图像的情况。
发明内容
本公开实施例提出了一种图像语义分割模型训练、图像语义分割方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
第一方面，本公开实施例提出了一种图像语义分割模型训练方法，包括：利用多个下采样层对各样本图像进行尺度缩减；控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；其中，预先将尺度大于预设尺度的特征图拆分为多个子区域；控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
第二方面，本公开实施例提出了一种图像语义分割模型训练装置，包括：尺度缩减单元，被配置成利用多个下采样层对各样本图像进行尺度缩减；大分辨率关联计算单元，被配置成控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；其中，预先将尺度大于预设尺度的特征图拆分为多个子区域；小分辨率关联计算单元，被配置成控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；尺度恢复单元，被配置成利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；模型训练单元，被配置成基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
第三方面，本公开实施例提出了一种图像语义分割方法，包括：获取待处理图像；调用目标图像语义分割模型对待处理图像中的不同图像内容按语义进行分割，目标图像语义分割模型根据如第一方面中任一实现方式描述的图像语义分割模型训练方法得到。
第四方面，本公开实施例提出了一种图像语义分割装置，包括：待处理图像获取单元，被配置成获取待处理图像；模型调用及处理单元，被配置成调用目标图像语义分割模型对待处理图像中的不同图像内容按语义进行分割，目标图像语义分割模型根据如第二方面中任一实现方式描述的图像语义分割模型训练装置得到。
第五方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的图像语义分割模型训练方法或如第三方面中任一实现方式描述的图像语义分割方法。
第六方面，本公开实施例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，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的图像语义分割模型训练方法或如第三方面中任一实现方式描述的图像语义分割方法。
第七方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的图像语义分割模型训练方法或如第三方面中任一实现方式描述的图像语义分割方法。
本公开实施例提供的图像语义分割模型训练、图像语义分割方法，通过控制输出尺度较大的特征图的下采样层在计算各像素点关联关系时不进行全图范围内的关联计算，而是仅在预先划分出的子区域内进行得以减少了相距较远的不同像素点之间的无效关联计算，而分散在不同子区域内的相距较近的不同像素点之间的关联关系，则可以通过输出尺度较小的特征图的下采样层所进行的关联计算进行替代，因此得以在不影响提取出的特征准确性的情况下实现了运算量的降低、缩短了训练耗时，也缩短了调用训练好的图像语义分割模型对待处理图像的处理耗时，提升了整体效率。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开可以应用于其中的示例性系统架构；
图2为本公开实施例提供的一种图像语义分割模型训练方法的流程图；
图3为本公开实施例提供的另一种图像语义分割模型训练方法的流程图；
图4为本公开实施例提供的一种Transformer模型的结构示意图；
图5为本公开实施例提供的一种下采样层关联计算范围的示意图；
图6为本公开实施例提供的一种图像语义分割模型训练装置的结构框图；
图7为本公开实施例提供的一种图像语义分割装置的结构框图；
图8为本公开实施例提供的一种适用于执行图像语义分割模型训练方法和/或图像语义分割方法的电子设备的结构示意图。
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和精神。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。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要的保密措施，且不违背公序良俗。
图1示出了可以应用本申请的用于训练人脸识别模型以及识别人脸的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如图像语义分割模型训练类应用、图像语义分割类应用、信息交互类应用等。
终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务，以可以为用户提供图像语义分割服务以更好的识别图像中各部分图像内容的语义或按照识别出的语义对各部分图像内容进行分割的图像语义分割类应用为例，服务器105在运行该图像语义分割类应用时可实现如下效果：通过网络104接收终端设备101、102、103传入的待处理图像；调用目标图像语义分割模型对待处理图像中的不同图像内容按语义进行分割，并将处理结果反馈给相应的终端设备101、102、103。
其中，图像语义分割模型可由服务器105上内置的图像语义分割模型训练类应用按如下步骤训练得到：首先，利用多个下采样层对各样本图像进行尺度缩减；在尺度缩减过程中，控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图，预先将尺度大于预设尺度的特征图拆分为多个子区域；在尺度缩减过程中，控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；然后，利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；最后，基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
由于为训练得到目标图像语义分割模型需要占用较多的运算资源和较强的运算能力，因此本申请后续各实施例所提供的图像语义分割模型训练方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，图像语义分割模型训练装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的图像语义分割模型训练类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。相应的，图像语义分割模型训练装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。
当然，用于训练得到图像语义分割模型的服务器可以不同于调用训练好的图像语义分割模型来使用的服务器。特殊的，经由服务器105训练得到的目标图像语义分割模型也可以通过模型蒸馏的方式得到适合置入终端设备101、102、103的轻量级的图像语义分割模型，即可以根据实际需求的识别准确度灵活选择使用终端设备101、102、103中的轻量级的图像语义分割模型，还是选择使用服务器105中的较复杂的图像语义分割模型。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
请参考图2，图2为本公开实施例提供的一种图像语义分割模型训练方法的流程图，其中流程200包括以下步骤：
步骤201：利用多个下采样层对各样本图像进行尺度缩减；
本步骤旨在由图像语义分割模型训练方法的执行主体(例如图1所示的服务器105)对输入的样本图像通过多个下采样层进行尺度缩减，多个下采样层可通过不同的结构排列输出尺度缩减程度不同的特征图。
例如多个下采样层在串接时，将随着经过下采样层的数量增加来逐渐尺度越来越小的特征图，在采用串接的方式下通过每个下采样层对尺度缩减能力相同，是通过数量的方式来实现不同尺度的输出；多个下采样层也可以采用并联的方式排列，此时不同的下采样层应具有不同的尺度缩减能力(例如1/2，1/4，1/8)，从而使得各自输出的特征图的尺度不同。
步骤202：控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；
在步骤201的基础上，本步骤旨在通过控制进行像素点间关联计算的范围来避免无效预算、节省运算量。
应当理解的是，标准的关联计算的范围为整个特征图，即特征图上每个像素点要与特征图上剩余的所有其它像素点进行关联计算，即左下角的像素点也需要与右上角的像素点进行关联计算，但很容易发现的是，随着特征图尺寸的增大，此种相距较远的关联计算大概率是无效的、无用的，因此本步骤通过控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图。即实际尺度较大的特征图将预先被拆分为多个子区域，以便于后续所进行的关联计算的范围仅被局限在各个子区域内，而不再在全图内进行，从而减少不必要的运算量。
可以理解的是，输出特征图的尺度大于预设尺度的下采样层应当属于串接方式下的首层或前几层，或者属于并联方式下的尺度缩减能力较弱的下采样层，此时其输出的特征图的尺度较大，因此能够通过此种方式去除较大部分的无效计算，而串接方式下的后几层或并联方式下的尺度缩减能力较强的下采样层，则将因其输出的特征图本身尺度就较小，此时的全图范围也相对较小，若再仅进行子区域的关联计算容易影响特征图的提取有效性。
步骤203：控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图。
区别于步骤202，本步骤针对的是输出特征的尺度不大于预设尺度的下采样层，以通过控制其在全图内进行各像素点间的关联计算，得到第二特征图，即控制串接方式下的后几层或并联方式下的尺度缩减能力较强的下采样层按照标准的关联计算方式，从而保障特征图的提取有效性。
另外，无论是采用串接方式还是并联方式，在步骤202中因子区域划分导致相距较近但分属不同子区域的像素点之间的关联计算，也将在本步骤的输出特征图尺度较小的下采样层被重新划分为关联计算的对象，因此能够保障此种情况的关联计算不会缺失，进而避免因采用步骤202而对特征提取效果的影响。
需要说明的是，用于输出尺度较大的特征图的下采样层可能为一层或多层，同理，用于输出尺度较小的特征图的下采样层也可能为一层或多层，其数量要根据实际应用场景设定的各种影响因素的参数。
步骤204：利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；
在步骤202和步骤203的基础上，本步骤旨在由上述执行主体对经不同下采样层分别输出的尺度缩减后的特征图进行尺度恢复，并基于经尺度恢复至与样本图像一致的特征图得到可真正应用于模型训练阶段使用的处理后特征图。
其中，由于第一特征图和第二特征图的尺度不同，在进行尺度恢复时也需要通过具有不同尺度恢复能力的上采样层，与下采样的设置方式类似，不同的尺度恢复能力也通过串接的多个具有相同尺度恢复能力的上采样层来实现，也可以通过独立设置的具有不同尺度恢复能力的上采样层(例如2倍，4倍，8倍)来实现。可根据实际情况灵活选择，此处不做具体限定。
进一步的，针对独立设置的具有不同尺度恢复能力的上采样层的方式，为了尽可能的削弱大放大倍数所造成的特征损失，还可以控制每个独立的上采样层均有多个拥有较小且固定的尺度恢复能力的尺度恢复模块以串接的方式形成，例如2倍尺度恢复能力的上采样层由一个2倍尺度恢复能力的尺度恢复模块构成，4倍尺度恢复能力的上采样层则由2个这样的尺度恢复模块以串接的方式构成，8倍尺度恢复能力的上采样层则由3个这样的尺度恢复模块串接形成。
经尺度恢复后通常还需要将各特征图进行融合，从而将在各种尺度提取出的特征进行融合，使得融合后得到的处理后特征图具有多尺度特征。
步骤205：基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
在步骤204的基础上，本步骤旨在由上述执行主体基于处理后特征图和相应的图像语义标注结果，训练初始的图像语义分割模型，得到目标图像语义分割模型。其中，图像语义标注结果是对样本图像中的图像内容进行语义标注的结果，由于处理后特征图是样本图像的特征表现形式，处理后特征图与样本图像之间存在隐含的位置映射关系，因此可根据该隐含的位置映射关系将对样本图像某位置的语义标注转换为对处理后特征图某个位置的语义标注。
因此，处理后特征图将作为训练初始的图像语义分割模型的训练样本中的输入样本、相应的图像语义标注结果将作为训练初始的图像语义分割模型的训练样本中的输出样本，最终训练得到可用的目标图像语义分割模型，进而通过学习到将图像内容按语义分隔开的能力，识别出实际图像中各部分内容的语义，并按照语义分割出与各语义对应的图像内容。
例如将混杂有A、B、C、D、E五种不同类型图像内容的待处理图像，利用目标图像语义分割模型首先识别出其不同种类的图像内容的语义，并将具有相同语义的图像内容的外轮廓确定，然后基于各自外轮廓拆分出5个不同的子图像。
本公开实施例提供的图像语义分割模型训练方法，通过控制输出尺度较大的特征图的下采样层在计算各像素点关联关系时不进行全图范围内的关联计算，而是仅在预先划分出的子区域内进行得以减少了相距较远的不同像素点之间的无效关联计算，而分散在不同子区域内的相距较近的不同像素点之间的关联关系，则可以通过输出尺度较小的特征图的下采样层所进行的关联计算进行替代，因此得以在不影响提取出的特征准确性的情况下实现了运算量的降低、缩短了训练耗时，也缩短了调用训练好的图像语义分割模型对待处理图像的处理耗时，提升了整体效率。
请参考图3，图3为本公开实施例提供的另一种图像语义分割模型训练方法的流程图，其中流程300包括以下步骤：
步骤301：利用多个下采样层对各样本图像进行尺度缩减；
步骤302：控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；
步骤303：控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；
本实施例中的步骤301-步骤303与流程200中的步骤201-步骤203一致，此处不再对重复部分进行赘述，相应部分请参见流程200中的相应部分。
步骤304：第二特征图与第一特征图的尺度差是否大于预设尺度差，若大于，执行步骤305，否则执行步骤306；
本步骤旨在由上述执行主体对第二特征图与第一特征图之间的尺度差与预设尺度差进行比较和判别，以通过尺度差与预设尺度差的比较情况选择是否在进行上采样层进行尺度恢复之前就进行特征图的融合。
步骤305：为第一特征图和第二特征图选用与其尺度匹配的上采样层进行尺度恢复，并将尺度恢复至一致的各特征图进行融合，得到处理后特征图；
本步骤建立在步骤304的判断结果为尺度差大于预设尺度差的基础上，将直接为第一特征图和第二特征图选用与其尺度匹配的上采样层进行尺度恢复，将因尺度差别较大而不在其各自输入上采样层之前进行其它操作，并将尺度恢复至一致的各特征图进行融合，得到处理后特征图。
步骤306：将第二特征图的尺度恢复至与第一特征图的尺度一致，得到放大后第二特征图；
本步骤建立在步骤304的判断结果为尺度差小于预设尺度差的基础上，将因两特征图之间的尺度差别较小，而将第二特征图的尺度恢复至与第一特征图的尺度一致。
步骤307：融合放大后第二特征图和第一特征图，得到目标第一特征图；
在步骤306的基础上，本步骤旨在融合放大后第二特征图和第一特征图，得到目标第一特征图。可以看出，本步骤所进行的融合只是将尺度放大至第一特征图的尺度的两个特征图进行融合，而不是将尺度恢复至与样本图像一致的特征图进行融合。在步骤308之前所进行的步骤306和步骤307能够使得经过步骤308最终产出的处理后特征图的特征融合的更加均匀，提升融合度。
步骤308：为目标第一特征图和第二特征图选用与其尺度匹配的上采样层进行尺度恢复，并将尺度恢复至一致的各特征图进行融合，得到处理后特征图；
在步骤307的基础上，本步骤旨在由上述执行主体为目标第一特征图和第二特征图选用与其尺度匹配的上采样层进行尺度恢复，并将尺度恢复至一致的各特征图进行融合，得到处理后特征图。
此时进行尺度恢复的目的是将目标第一特征图和第二特征图的尺度恢复至与样本图像的尺度一致。
步骤309：基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
本实施例中的步骤309与流程200中的步骤205一致，此处不再对重复部分进行赘述，相应部分请参见流程200中的相应部分。
根据所使用的模型框架类型不同，上述过程还需要根据进行适应性的调整以及被划分为属于模型中的不同部分，以属于编码-解码类型的Transformer模型框架为例，尺度缩减的步骤就可以调整为：将各样本图像分别输入初始的Transformer模型编码器中的多个下采样层进行尺度缩减；对应的，尺度恢复的步骤就可以调整为：将不同的下采样层分别输出的第一特征图和第二特征图分别输入初始的Transformer模型解码器中的不同上采样层进行相应的尺度恢复。
相较于常见的卷积神经网络(CNNs)和循环神经网络(RNNs)，基于编码器-解码器结构设计的Transformer模型还增加了注意力机制设计了，从而通过注意力机制实现了并行化捕捉序列依赖，并且同时处理序列的每个位置的令牌，上述优势使得Transformer模型在性能优异的同时大大减少了训练时间。
上述各实施例从各个方面阐述了如何训练得到图像语义分割模型，为了尽可能的从实际使用场景突出训练出的图像语义分割模型所起到的效果，本公开还具体提供了一种使用训练好的图像语义分割模型来解决实际问题的方案，一种图像语义分割方法包括如下步骤：
获取待处理图像；
调用目标图像语义分割模型对所述待处理图像中的不同图像内容按语义进行分割。
进一步的，在得到图像语义分割模型输出的结果后，还可以对结果进行统计、汇总，以得到相同语义的不同图像内容，或者直接利用输出结果中的标注结果来进行后续处理。
具体的，训练出的图像语义分割模型可具体应用医学等难以靠人眼区分不同图像内容的领域。
为加深理解，本公开还以基础的Transformer网络模型框架为例，给出一种将其改造为能够进一步提升训练效率、后续使用时结构输出速度的方案：
首先从整体层面介绍本实施例所提供的新式模型框架：Fully TransformerNetworks(可缩写为FTN)；然后再具体介绍FTN模型的Encoder(编码器)部分—PyramidGroup Transformer(金字塔结构的Transformer，可缩写为PGT)，PGT用来提取多尺度的特征；最后，介绍FTN模型的Decoder(解码器)部分—Feature Pyramid Transformer(特征金字塔的Transformer，可缩写为FPT)，FPT用来融合来自Encoder的多尺度特征，和生成像素级的标签预测。
1、FTN模型框架的整体介绍
参见图4所示，本实施例所提供的FTN模型由PGT充当的Encoder和由FPT充当的Decoder组合而成。PGT目的是提取多尺度的特征，其在本实施例中具体表现为四个串接的stages(可以理解为下采样层)来分别输出不同尺度的特征图。PGT的每个stages都有一个相似的结构，它包含一个patch transform layer(批转换层)和多个PGT blocks(模块)Patch transform layer用来约减tokens(在本公开中用于指代特征图中不同像素点之间的关联计算)的数量。
具体来说，给定输入图像x∈RH×W×3，它首先被stages1的patch transform layer转换成
个patch，每个patch维度是C.其输出被输入到N1blocks，这里N1是stages1的PCGblocks数量。stages1的最后一个block的输出为
对于后面的3个stages，我们使用patch transform layers来合并所有2x2非重叠区域的patch来约减分辨率为其输入的1/2，并使其通道维度增加2倍。
对于stage i其输出的特征是
在得到多尺度特征之后，使用FPT decoder来融合来自多个阶段的semantic-level和spatial-level信息。最后FPT的输出被送人到一个线性层和一个双线性上采样层得到像素级的分割结果。
2、PGT的展开介绍
如图4所示，PGT有4个stages来学习多尺度特征，在每个阶段的开始，特征首先被patch transformer layer来约减分辨率并增加通道维度，然后被喂入后续的PGT blocks来学习discriminative features(鉴别性特征)。PGT随着模型深度增加而渐进式地增加self-attention(自我注意力)的感受野，以便于模型在浅层学习low-level spatialdetails(低层次空间的细节)，同时在深层学习semantic-level semantic features(语义层面的语义特征)。像这样的机制是比标准的Transformer更优越，因为标准的Transformer的self-attention是固定的全局感受野，不论是作用在浅层还是在深层。此外，本发明还可以约减标准Transformer block的计算和显存开销，这一点对语义分割这种密集型预测任务也是非常重要。
具体来说，每个feature map(特征图)首先被划分成非重叠的网格，每个网格的特征被视为一个group(相当于上文中提及的子区域)。然后self-attention在每个group内进行(即像素点之间的关联计算仅在每个子区域内进行)。因此在一个group内的patch在当前计算中是不用与其他group内的patch建立关系，这种做法等价于局部感受野。准确来说，感受野的大小是可以通过设置group的数量来控制。如图5右侧所示(图5左侧则示出了常规的金字塔结构，可见固定的全局感受野)，在不同阶段的感受野呈一个金字塔形状，即特征图大小从底层的较大随逐渐上下越来越小，在每个stage内，所有PGT的group的数量保持一致。对于第l个block，它的计算可以被形式化如下：
式中的Zl-1是第l-1个PGT block的输出，LN和MLP分别表layer normalization(层规划化)和多层感知机。进一步，PGT blocks的核心是Pyramid Group Multi-SelfAttention(可直译为金字塔组多自身注意，可缩写为PG-MSA)，它可以被形式化如下：
PG-MSA(Z)＝Concat(h0，h1、hH-1)，
式中的i∈{0，1，…，H-1}是head index(头部索引)，j∈{0，1，…，G-1}是groupindex(组内索引)，Attention()是self-attention操作。
3、FPT的展开介绍
为了生成更精细的语义分割结果，本实施例提出了FPT结构来聚合Encoder输出的多个尺度的特征，如图4所示，FPT被期望融合semantic-level(语义层面)的表征和spatial-level(空间层面)的空间信息来得到一个high-resolution(高分辨率)和high-level(高层次)的语义输出(semantic output)。它遵守两个原则：(1)top-down(自上而下)的连接首先上采样语义更强的特征来与更高分辨率语义较低的特征融合，后者具有更精细的空间信息；(2)每一层特征都是通过spatial reduction transformer block(可直译为尺度恢复变换块)和双线性上采样来渐进地采样，直到分辨率为输入的1/4，然后这些多尺度的高分辨率的表征进一步通过元素级求和来融合。这两个原则使该模型增强了融合不同分辨率的多粒度语义特征，对进行语义分割十分重要且有效。
进一步参考图6和图7，作为对上述各图所示方法的实现，本公开分别提供了一种图像语义分割模型训练装置实施例和一种图像语义分割装置的实施例，图像语义分割模型训练装置实施例与图2所示的图像语义分割模型训练方法实施例相对应，图像语义分割装置实施例与图像语义分割方法实施例相对应。上述装置具体可以应用于各种电子设备中。
如图6所示，本实施例的图像语义分割模型训练装置600可以包括：尺度缩减单元601、大分辨率关联计算单元602、小分辨率关联计算单元603、尺度恢复单元604、模型训练单元605。其中，尺度缩减单元601，被配置成利用多个下采样层对各样本图像进行尺度缩减；大分辨率关联计算单元602，被配置成控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；其中，预先将尺度大于预设尺度的特征图拆分为多个子区域；小分辨率关联计算单元603，被配置成控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；尺度恢复单元604，被配置成利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；模型训练单元605，被配置成基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
在本实施例中，图像语义分割模型训练装置600中：尺度缩减单元601、大分辨率关联计算单元602、小分辨率关联计算单元603、尺度恢复单元604、模型训练单元605的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，图像语义分割模型训练装置600中还可以包括：
尺度放大单元，被配置成在利用上采样层对第一特征图和第二特征图进行尺度恢复之前，响应于第二特征图与第一特征图的尺度差小于预设尺度差，将第二特征图的尺度恢复至与第一特征图的尺度一致，得到放大后第二特征图；
特征图融合单元，被配置成融合放大后第二特征图和第一特征图，得到目标第一特征图；
对应的，尺度恢复单元604包括被配置成利用上采样层对第一特征图进行尺度恢复的第一尺度恢复子单元，第一尺度恢复子单元被进一步配置成：
利用上采样层对目标第一特征图进行尺度恢复。
在本实施例的一些可选的实现方式中，尺度恢复单元604可以被进一步配置成：
根据第一特征图的第二特征图的尺度选用具有相应恢复能力的上采样层进行尺度恢复；其中，每个上采样层由至少一个具有预设尺度恢复能力的尺度恢复模块串接形成。
在本实施例的一些可选的实现方式中，尺度缩减单元601可以被进一步配置成：
利用串接的多个目标下采样层对各样本图像进行尺度缩减；其中，每个目标下采样层具有相同的尺度缩减能力。
在本实施例的一些可选的实现方式中，图像语义分割模型训练装置600中还可以包括：
特征图融合单元，被配置成在利用上采样层对第一特征图和第二特征图进行尺度恢复之后、在得到处理后特征图之前，将经尺度恢复后的各特征图进行融合，得到处理后特征图。
在本实施例的一些可选的实现方式中，尺度缩减单元601可以被进一步配置成：
将各样本图像分别输入初始的Tranformer模型编码器中的多个下采样层进行尺度缩减；
对应的，尺度恢复单元604可以被进一步配置成：
将不同的下采样层分别输出的第一特征图和第二特征图分别输入初始的Tranformer模型解码器中的不同上采样层进行相应的尺度恢复。
如图7所示，本实施例的图像语义分割装置700可以包括：待处理图像获取单元701、模型调用及处理单元702。其中，待处理图像获取单元701，被配置成获取待处理图像；模型调用及处理单元702，被配置成调用目标图像语义分割模型对待处理图像中的不同图像内容按语义进行分割；其中，目标图像语义分割模型根据图像语义分割模型训练装置600得到。
在本实施例中，图像语义分割装置700中：待处理图像获取单元701、模型调用及处理单元702的具体处理及其所带来的技术效果可分别对应方法实施例中的相关说明，在此不再赘述。
本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的图像语义分割模型训练装置以及图像语义分割装置，通过控制输出尺度较大的特征图的下采样层在计算各像素点关联关系时不进行全图范围内的关联计算，而是仅在预先划分出的子区域内进行得以减少了相距较远的不同像素点之间的无效关联计算，而分散在不同子区域内的相距较近的不同像素点之间的关联关系，则可以通过输出尺度较小的特征图的下采样层所进行的关联计算进行替代，因此得以在不影响提取出的特征准确性的情况下实现了运算量的降低、缩短了训练耗时，也缩短了调用训练好的图像语义分割模型对待处理图像的处理耗时，提升了整体效率。
根据本公开的实施例，本公开还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现上述任一实施例描述的图像语义分割模型训练方法和/或图像语义分割方法。
根据本公开的实施例，本公开还提供了一种可读存储介质，该可读存储介质存储有计算机指令，该计算机指令用于使计算机执行时能够实现上述任一实施例描述的图像语义分割模型训练方法和/或图像语义分割方法。
本公开实施例提供了一种计算机程序产品，该计算机程序在被处理器执行时能够实现上述任一实施例描述的图像语义分割模型训练方法和/或图像语义分割方法。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
计算单元801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801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801执行上文所描述的各个方法和处理，例如图像语义分割模型训练方法和/或图像语义分割方法。例如，在一些实施例中，图像语义分割模型训练方法和/或图像语义分割方法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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时，可以执行上文描述的图像语义分割模型训练方法和/或图像语义分割方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像语义分割模型训练方法和/或图像语义分割方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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系统上执行和/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，可以从存储系统、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系统、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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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系统和技术，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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统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，又称为云计算服务器或云主机，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。
本公开实施例的技术方案，通过控制输出尺度较大的特征图的下采样层在计算各像素点关联关系时不进行全图范围内的关联计算，而是仅在预先划分出的子区域内进行得以减少了相距较远的不同像素点之间的无效关联计算，而分散在不同子区域内的相距较近的不同像素点之间的关联关系，则可以通过输出尺度较小的特征图的下采样层所进行的关联计算进行替代，因此得以在不影响提取出的特征准确性的情况下实现了运算量的降低、缩短了训练耗时，也缩短了调用训练好的图像语义分割模型对待处理图像的处理耗时，提升了整体效率。
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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (17)
1.一种图像语义分割模型训练方法，包括：
利用多个下采样层对各样本图像进行尺度缩减；
控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；其中，预先将尺度大于预设尺度的特征图拆分为多个子区域；
控制输出特征的尺度不大于所述预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；
利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复，得到处理后特征图；
基于所述处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
2.根据权利要求1所述的方法，其中，在所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复之前，还包括：
响应于所述第二特征图与所述第一特征图的尺度差小于预设尺度差，将所述第二特征图的尺度恢复至与所述第一特征图的尺度一致，得到放大后第二特征图；
融合所述放大后第二特征图和所述第一特征图，得到目标第一特征图；
对应的，利用上采样层对所述第一特征图进行尺度恢复，包括：
利用所述上采样层对所述目标第一特征图进行尺度恢复。
3.根据权利要求1所述的方法，其中，所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复，包括：
根据所述第一特征图的所述第二特征图的尺度选用具有相应恢复能力的上采样层进行尺度恢复；其中，所述每个上采样层由至少一个具有预设尺度恢复能力的尺度恢复模块串接形成。
4.根据权利要求1所述的方法，其中，所述利用多个下采样层对各样本图像进行尺度缩减，包括：
利用串接的多个目标下采样层对各所述样本图像进行尺度缩减；其中，每个所述目标下采样层具有相同的尺度缩减能力。
5.根据权利要求1所述的方法，其中，在所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复之后、在所述得到处理后特征图之前，还包括：
将经尺度恢复后的各特征图进行融合，得到所述处理后特征图。
6.根据权利要求1-5任一项所述的方法，其中，所述利用多个下采样层对各样本图像进行尺度缩减，包括：
将各所述样本图像分别输入初始的Transformer模型编码器中的多个下采样层进行尺度缩减；
对应的，所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复，包括：
将不同的下采样层分别输出的第一特征图和第二特征图分别输入初始的Transformer模型解码器中的不同上采样层进行相应的尺度恢复。
7.一种图像语义分割方法，包括：
获取待处理图像；
调用目标图像语义分割模型对所述待处理图像中的不同图像内容按语义进行分割；其中，所述目标图像语义分割模型根据权利要求1-6中任一项所述的图像语义分割模型训练方法得到。
8.一种图像语义分割模型训练装置，包括：
尺度缩减单元，被配置成利用多个下采样层对各样本图像进行尺度缩减；
大分辨率关联计算单元，被配置成控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；其中，预先将尺度大于预设尺度的特征图拆分为多个子区域；
小分辨率关联计算单元，被配置成控制输出特征的尺度不大于所述预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；
尺度恢复单元，被配置成利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复，得到处理后特征图；
模型训练单元，被配置成基于所述处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。
9.根据权利要求8所述的装置，还包括：
尺度放大单元，被配置成在所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复之前，响应于所述第二特征图与所述第一特征图的尺度差小于预设尺度差，将所述第二特征图的尺度恢复至与所述第一特征图的尺度一致，得到放大后第二特征图；
特征图融合单元，被配置成融合所述放大后第二特征图和所述第一特征图，得到目标第一特征图；
对应的，所述尺度恢复单元包括被配置成利用上采样层对所述第一特征图进行尺度恢复的第一尺度恢复子单元，所述第一尺度恢复子单元被进一步配置成：
利用所述上采样层对所述目标第一特征图进行尺度恢复。
10.根据权利要求8所述的方法，其中，所述尺度恢复单元被进一步配置成：
根据所述第一特征图的所述第二特征图的尺度选用具有相应恢复能力的上采样层进行尺度恢复；其中，所述每个上采样层由至少一个具有预设尺度恢复能力的尺度恢复模块串接形成。
11.根据权利要求8所述的方法，其中，所述尺度缩减单元被进一步配置成：
利用串接的多个目标下采样层对各所述样本图像进行尺度缩减；其中，每个所述目标下采样层具有相同的尺度缩减能力。
12.根据权利要求8所述的装置，还包括：
特征图融合单元，被配置成在所述利用上采样层对所述第一特征图和所述第二特征图进行尺度恢复之后、在所述得到处理后特征图之前，将经尺度恢复后的各特征图进行融合，得到所述处理后特征图。
13.根据权利要求8-12任一项所述的装置，其中，所述尺度缩减单元被进一步配置成：
将各所述样本图像分别输入初始的Tranformer模型编码器中的多个下采样层进行尺度缩减；
对应的，所述尺度恢复单元被进一步配置成：
将不同的下采样层分别输出的第一特征图和第二特征图分别输入初始的Tranformer模型解码器中的不同上采样层进行相应的尺度恢复。
14.一种图像语义分割装置，包括：
待处理图像获取单元，被配置成获取待处理图像；
模型调用及处理单元，被配置成调用目标图像语义分割模型对所述待处理图像中的不同图像内容按语义进行分割；其中，所述目标图像语义分割模型根据权利要求8-13中任一项所述的图像语义分割模型训练装置得到。
15.一种电子设备，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1-6中任一项所述的图像语义分割模型训练方法和/或权利要求7所述的图像语义分割方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的图像语义分割模型训练方法和/或权利要求7所述的图像语义分割方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的图像语义分割模型训练方法和/或权利要求7所述的图像语义分割方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110735564.XA CN113361536B (zh) | 2021-06-30 | 2021-06-30 | 图像语义分割模型训练、图像语义分割方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110735564.XA CN113361536B (zh) | 2021-06-30 | 2021-06-30 | 图像语义分割模型训练、图像语义分割方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361536A true CN113361536A (zh) | 2021-09-07 |
| CN113361536B CN113361536B (zh) | 2024-04-16 |
Family
ID=77537372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110735564.XA Active CN113361536B (zh) | 2021-06-30 | 2021-06-30 | 图像语义分割模型训练、图像语义分割方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361536B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113920314A (zh) * | 2021-09-30 | 2022-01-11 | 北京百度网讯科技有限公司 | 语义分割、模型训练方法，装置，设备以及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537292A (zh) * | 2018-04-10 | 2018-09-14 | 上海白泽网络科技有限公司 | 语义分割网络训练方法、图像语义分割方法及装置 |
| WO2020215236A1 (zh) * | 2019-04-24 | 2020-10-29 | 哈尔滨工业大学（深圳） | 图像语义分割方法和系统 |
-
2021
- 2021-06-30 CN CN202110735564.XA patent/CN113361536B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537292A (zh) * | 2018-04-10 | 2018-09-14 | 上海白泽网络科技有限公司 | 语义分割网络训练方法、图像语义分割方法及装置 |
| WO2020215236A1 (zh) * | 2019-04-24 | 2020-10-29 | 哈尔滨工业大学（深圳） | 图像语义分割方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| YONG AN: "A new algorithm for object-oriented multi-scale high resolution remote sensing image segmentation", IEEE, 12 December 2011 (2011-12-12) * |
| 青晨;禹晶;肖创柏;段娟;: "深度卷积神经网络图像语义分割研究进展", 中国图象图形学报, no. 06, 16 June 2020 (2020-06-16) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113920314A (zh) * | 2021-09-30 | 2022-01-11 | 北京百度网讯科技有限公司 | 语义分割、模型训练方法，装置，设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361536B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113657390B (zh) | 文本检测模型的训练方法和检测文本方法、装置和设备 | |
| US11321593B2 (en) | Method and apparatus for detecting object, method and apparatus for training neural network, and electronic device | |
| CN114187317B (zh) | 图像抠图的方法、装置、电子设备以及存储介质 | |
| EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
| CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
| US20230030431A1 (en) | Method and apparatus for extracting feature, device, and storage medium | |
| US20220343512A1 (en) | Method and apparatus of processing image, electronic device, and storage medium | |
| CN113379627A (zh) | 图像增强模型的训练方法和对图像进行增强的方法 | |
| CN112990219A (zh) | 用于图像语义分割的方法和装置 | |
| CN113887615A (zh) | 图像处理方法、装置、设备和介质 | |
| CN114549728A (zh) | 图像处理模型的训练方法、图像处理方法、装置及介质 | |
| CN114495101A (zh) | 文本检测方法、文本检测网络的训练方法及装置 | |
| CN113361536B (zh) | 图像语义分割模型训练、图像语义分割方法及相关装置 | |
| CN114218931A (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
| CN113592932A (zh) | 深度补全网络的训练方法、装置、电子设备及存储介质 | |
| US20230005171A1 (en) | Visual positioning method, related apparatus and computer program product | |
| CN114943995A (zh) | 人脸识别模型的训练方法、人脸识别方法及装置 | |
| CN113361535B (zh) | 图像分割模型训练、图像分割方法及相关装置 | |
| CN112785501B (zh) | 文字图像的处理方法、装置、设备和存储介质 | |
| CN114913339A (zh) | 特征图提取模型的训练方法和装置 | |
| CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN116862762A (zh) | 一种视频超分方法、装置、设备及存储介质 | |
| CN114282664A (zh) | 自反馈模型训练方法、装置、路侧设备及云控平台 | |
| CN113989152A (zh) | 图像增强方法、装置、设备以及存储介质 | |
| CN114187435A (zh) | 文本识别方法、装置、设备以及存储介质 |
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 |