一种弱监督分割网络区域扩张参数自适应生成方法和系统技术方案

一种弱监督分割网络区域扩张参数自适应生成方法和系统。该方法包括，获取待分割的图像集，对图像集的所有图像进行预处理，并按照预设比例将预处理后的工业图像集划分为训练图像集和测试图像集，并对每个图像的类别标签进行标注；将训练图像集中的每个图像输入SECNet的区域扩张分支，得到原始像素级分类分数，同时将每个图像输入全局自适应池化层，输出与每个图像对应的动态权重，并对动态权重进行归一化处理；根据原始像素级分类分数与归一化处理后的动态权重，生成自适应图像级分类分数。本发明专利技术的方案在网络训练过程中动态学习权重参数，避免了通过人工对参数进行调整，增强了模型自适应性。了模型自适应性。了模型自适应性。

【技术实现步骤摘要】
一种弱监督分割网络区域扩张参数自适应生成方法和系统


[0001]本专利技术属于深度学习领域，特别涉及一种弱监督分割网络区域扩张参数自适应生成方法和系统。

技术介绍

[0002]是弱监督图像分割的代表性算法，通过种子选取、区域扩张与扩张抑制三个原则构建。基于CAM的种子选取部分是将图像的类标签通过CAM生成的热力图根据置信度转换为像素级伪标签，然后用于后续的分割网络的训练。而语义分割主干网络通过所得到的伪标签进行训练，预测图片中物体的轮廓。的损失函数是联合损失函数，综合考虑生成的种子线索，扩张损失和限制损失。基于种子线索的弱监督分割模型如图1所示。
[0003]中区域扩张分支的作用就是为了恢复和扩张种子线索中缺失的目标位置，为了充分利用种子线索的信息，区域扩张分支使用一个图像级的分割损失来进行训练。对于弱监督图像语义分割来说，如何将像素级的预测分类分数转换成图像级的分类分数是一个比较重要的问题，目前常用的方式为全局最大池化和全局平均池化。在扩张分支中定义了全局加权池化（Global Weighted Ranking Pooling，）的方式，算法流程如下：假设输入图像的像素点集合，根据激活值大小进行排序，满足，选取权重参数，其中，则利用方法可以得到类别概率为，计算方法如下所示：其中，表示对第c类的激活值，。当选取，此时等价于全局平均池化，当选取，此时等价于全局最大池化。
[0004]中针对权重参数需要根据不同的类进行设定，需要综合考虑目标区域的尺寸、边缘和形状等先验信息，需要针对不同的权重参数进行实验，然后选取最合适的取值。最终的扩张损失函数如下式所示：第一项表示出现在图像中的对象类别，第二项表示没有出现在图像中的对象类别，第三项表示背景区域。T为分类类别的一个子集，表示当前处理该图片所包含的类别集
合。为该图像中出现过的所有类别的权重值，为未在该图像中出现过的类别的权重值。为背景类别的权重值。为除背景之外的所有分类的集合。
[0005]全局池化的方式本质上是将图像像素级的分类分数转换为图像级的分类分数。通过使用确实可以提升弱监督图像分割的结果。然而的缺点在于，多个参数需要具体针对数据集进行大量的实验，需要人工手动进行调整，不能自适应地针对数据集中的不同数据进行动态生成，对不同数据集的适应性较弱。

技术实现思路

[0006]为了解决现有技术中存在的不足，本专利技术提供了一种弱监督分割网络区域扩张参数自适应生成方法和系统，以解决自适应地针对数据集中的不同数据动态生成全局池化方法的扩张参数的问题。
[0007]为解决上述技术问题，本专利技术采用如下的技术方案。
[0008]本专利技术首先公开了一种弱监督分割网络区域扩张参数自适应生成方法，该方法包括以下步骤：步骤S1：获取待分割的图像集，对所述图像集的所有图像进行预处理，并按照预设比例将预处理后的工业图像集划分为训练图像集和测试图像集，并对每个图像的类别标签进行标注；步骤S2：将所述训练图像集中的每个图像输入的区域扩张分支，得到原始像素级分类分数，同时将所述每个图像输入全局自适应池化层，输出与每个图像对应的动态权重，并对所述动态权重进行归一化处理；步骤S3：根据所述原始像素级分类分数与归一化处理后的所述动态权重，生成自适应图像级分类分数。
[0009]本专利技术进一步采用以下优选方案：所述步骤S1中，对所述图像集的所有图像进行预处理，进一步包括：将图像尺度进行归一化，并对归一化后的图像进行图像去噪、图像增强操作。
[0010]所述区域扩张分支和所述全局自适应池化层均连接到语义分割分支中的图像特征末端。
[0011]所述步骤S2中，对所述动态权重进行归一化处理，进一步包括：利用激活函数对每个通道上的权重值进行映射，然后通过函数将激活函数映射后的权重值转换为[0,1]范围的值，以使每个类别通道中所有的像素的权重累加和为1。
[0012]所述步骤S3中，根据所述原始像素级分类分数与归一化处理后的所述动态权重，生成自适应图像级分类分数，进一步包括：将所述原始像素级分类分数与所述动态权重进行逐像素相乘并求和，得到所述自适应图像级分类分数。
[0013]本专利技术同时公开了一种利用前述弱监督分割网络区域扩张参数自适应生成方法的弱监督分割网络区域扩张参数自适应生成系统，包括图像预处理模块、分类分数和权重
计算模块和自适应参数生成模块；所述图像预处理模块，用于获取待分割的图像集，对所述图像集的所有图像进行预处理，并按照预设比例将预处理后的工业图像集划分为训练图像集和测试图像集，并对每个图像的类别标签进行标注；所述分类分数和权重计算模块，用于将所述训练图像集中的每个图像输入SECNet的区域扩张分支，得到原始像素级分类分数，同时将所述每个图像输入全局自适应池化层，输出与每个图像对应的动态权重，并对所述动态权重进行归一化处理；所述自适应参数生成模块，用于根据所述原始像素级分类分数与归一化处理后的所述动态权重，生成自适应图像级分类分数。
[0014]相应地，本申请还公开了一种终端，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据前述弱监督分割网络区域扩张参数自适应生成方法的步骤。
[0015]相应地，本申请还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述弱监督分割网络区域扩张参数自适应生成方法的步骤。
[0016]本专利技术的有益效果在于，与现有技术相比，本专利技术提供了一种弱监督分割网络区域扩张参数自适应生成方法和系统，通过上述全局自适应池化运算，不同图像可以根据其对应的尺寸大小、边缘形状等信息动态生成对应的权重信息，不再需要手工进行调节设置权重参数，提高了模型对不同数据集的适应性。
附图说明
[0017]图1 是现有技术中的SECNet弱监督语义分割网络结构示意图。
[0018]图2是本专利技术中的弱监督分割网络区域扩张参数自适应生成方法的流程图。
[0019]图3是本专利技术中的自适应动态参数生成网络结构示意图。
[0020]图4是本专利技术的图像分割模型与传统模型在分割结果图像与标签图像上的对比效果图。
[0021]图5是本专利技术中的弱监督分割网络区域扩张参数自适应生成系统的结构图。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术的技术方案进行清楚、完整地描述。
[0023]本申请所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部实施例。基于本专利技术精神，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有所其它实施例，都属于本专利技术的保护范围。
[0024]针对现有技术的不足，本专利技术提出了一种弱监督分割网络区域扩张参数自适应生成方法和系统，采用全局自适应池化（Global Self
‑
adaptive Pooling，）的方案，可以在网络训练过程中动态学习权重参数，从而解决全局池化方法中参数手工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种弱监督分割网络区域扩张参数自适应生成方法，其特征在于，包括以下步骤：步骤S1：获取待分割的图像集，对所述图像集的所有图像进行预处理，并按照预设比例将预处理后的工业图像集划分为训练图像集和测试图像集，并对每个图像的类别标签进行标注；步骤S2：将所述训练图像集中的每个图像输入 的区域扩张分支，得到原始像素级分类分数，同时将所述每个图像输入全局自适应池化层，输出与每个图像对应的动态权重，并对所述动态权重进行归一化处理；步骤S3：根据所述原始像素级分类分数与归一化处理后的所述动态权重，生成自适应图像级分类分数。2.根据权利要求1所述的弱监督分割网络区域扩张参数自适应生成方法，其特征在于，所述步骤S1中，对所述图像集的所有图像进行预处理，进一步包括：将图像尺度进行归一化，并对归一化后的图像进行图像去噪、图像增强操作。3.根据权利要求2所述的弱监督分割网络区域扩张参数自适应生成方法，其特征在于：所述区域扩张分支和所述全局自适应池化层均连接到语义分割分支中的图像特征末端。4.根据权利要求3所述的弱监督分割网络区域扩张参数自适应生成方法，其特征在于，所述步骤S2中，对所述动态权重进行归一化处理，进一步包括：利用激活函数对每个通道上的权重值进行映射，然后通过函数将激活函数映射后的权重值转换为[0,1]范围的值，以使每个类别通道中所有的像素的权重累加和为1。5.根据权利要求4所述的弱监督分割网络区域扩张参数自适应生成方法，其特征在于，所述步骤S3中，根据所述原始像素级分类分数与归一化处理后的所述动态权重，生成自适应图像级分类分数，进一步包括：将所述原始像素级分类分数与所述动态权重进行逐像素相乘并求和，得到所述自适应图像级分类分数。6.一种利用权利要求1
‑
5任一项权利要求所述的弱监督分割网络区域扩张参数自适应生成方法的弱监督分割网络区域扩张参数自适应生成系统，包括图像预处理模块、分类分数和权重计算模块和自适应参数生成模块；所述图像预处理模块，用于获取待分割的图像集，对所述图像集的所有图像进行预处理，并按照预设比例将预...

【专利技术属性】
技术研发人员：何冰，戴缘生，李春华，谢小松，许强，陈伟俊，张伟，何良华，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：