一种人体骨骼语义分割模型的半监督学习方法

技术特征：
1.一种人体骨骼语义分割模型的半监督学习方法，其特征在于：从训练样本集中选取训练样本，其中，所述训练样本集中包括标签训练样本和无标签训练样本；基于所述训练样本，得到第一图像和第二图像，其中所述第一图像基于标签训练样本获得，所述第二图像基于无标签训练样本获得；通过初始语义分割模型，得到所述第一图像的第一语义分割结果和第二语义分割结果以及所述第二图像的第三语义分割结果，其中所述第一语义分割结果和所述第三语义分割结果通过所述初始语义分割模型中的第一模型获得，所述第二语义分割结果通过所述初始语义分割模型中的第二模型获得；确定所述第一语义分割结果的第一损失，以及所述第二语义分割结果和所述第三语义分割结果之间的第二损失；根据所述第一损失和所述第二损失，调整所述初始语义分割模型。2.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：基于所述第一图像，得到所述第一图像的初始语义分割结果；确定所述第一语义分割结果的第一损失包括：根据所述初始语义分割结果和所述第一语义分割结果计算交叉熵函数得到所述第一损失。3.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：确定所述第二语义分割结果和所述第三语义分割结果之间的第二损失包括：根据所述第二语义分割结果和所述第三语义分割结果计算交叉熵函数得到所述第二损失。4.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：为所述第二损失赋予损失权重得到第三损失；根据所述第一损失和所述第三损失之和得到第四损失；所述根据所述第一损失和所述第二损失，调整所述初始语义分割模型，包括：根据所述第四损失，调整所述初始语义分割模型。5.根据权利要求4所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：所述根据所述第四损失，调整所述初始语义分割模型，包括:根据所述第四损失进行梯度下降调整所述初始语义分割模型中的第一模型。6.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：所述第二模型的参数为所述第一模型的参数进行滑动指数平均传递得到。7.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：所述第三语义分割结果通过所述初始语义分割模型中的第一模型获得，包括：所述第二图像通过所述第一模型获得第四语义分割结果，所述第四语义分割结果经过置信过滤后选取后验概率最大的分割结果为所述第三语义分割结果。8.根据权利要求1所述的一种人体骨骼语义分割模型的半监督学习方法，其特征在于：所述第一模型的训练样本采用采样、平移、翻转中的至少一种弱增强策略进行样本分布扩大；所述第二模型的训练样本采用采样、平移、翻转中的至少一种弱增强策略和缩放、扰动中的至少一种强增强策略进行样本分布扩大。9.一种人体骨骼语义分割方法，包括：
获取待分割图像；通过语义分割模型处理所述待分割图像，得到分割结果，其中，所述语义分割模型根据权利要求1-8的方法训练得到。

技术总结
本发明公开了一种人体骨骼语义分割模型的半监督学习方法，从训练样本集中选取训练样本，基于训练样本，得到第一图像和第二图像，通过初始语义分割模型，得到第一图像的第一语义分割结果和第二语义分割结果以及第二图像的第三语义分割结果，确定第一语义分割结果的第一损失，以及第二语义分割结果和第三语义分割结果之间的第二损失，根据第一损失和第二损失，调整所述初始语义分割模型；本发明增提高了语义分割模型对人体骨骼的语义分割效果，降低了分割模型的预测偏差。低了分割模型的预测偏差。低了分割模型的预测偏差。


技术研发人员：白秋晴 孙梦霞
受保护的技术使用者：河海大学
技术研发日：2022.06.16
技术公布日：2022/9/2