(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210752843.1 (22)申请日 2022.06.29 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 倪东　黄雨灏　杨鑫　黄晓琼　 梁嘉敏　曾嘉隽　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 李可　朱阳波 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06T 7/90(2017.01) G06T 7/00(2017.01) G06T 5/50(2006.01) (54)发明名称 提升分割网络稳健性的方法、 装置以及存储 介质 (57)摘要 本发明公开了提升分割网络稳健性的方法、 装置以及存储介质， 通过 获取分割网络和分割网 络的测试数据集， 将测试数据集中的测试图像输 入分割网络， 得到分割图像； 根据测试图像和分 割图像确定融合图像， 将融合图像输入目标合成 网络， 得到合成图像； 根据测试图像和合成图像 对分割网络的网络参数进行迭代更新， 直至更新 后的分割网络达到优化目标， 得到目标分割网 络。 本发明通过测试图像和分割图像生成对应的 合成图像， 使分割网络基于测试图像和合成图像 准确地认识到自身的分割错误， 并自适应地进行 网络参数的更新。 解决了 现有的解决灰度分布漂 移的方法难以使分割网络准确认识到分割错误 并自适应修正， 导致分割网络的稳健性不高的问 题。 权利要求书2页 说明书11页 附图4页 CN 115187779 A 2022.10.14 CN 115187779 A 1.一种提升分割网络稳健 性的方法， 其特 征在于， 所述方法包括： 获取分割网络和所述分割网络对应的测试数据集， 将所述测试数据集中的测试图像输 入所述分割网络， 得到所述测试图像对应的分割图像， 其中， 所述分割网络预先经过训练数 据集训练； 根据所述测试图像和所述分割图像确定 融合图像， 将所述融合图像输入预设的目标合 成网络， 得到所述融合图像对应的合成图像， 其中， 所述目标合成网络预先经过所述训练数 据集训练； 根据所述测试图像和所述合成图像对所述分割网络的网络参数进行更新， 判断更新后 的所述分割网络是否达到优化 目标， 若更新后的所述分割网络未达到所述优化目标， 继续 执行所述将所述测试数据集中的测试图像输入所述分割网络的步骤， 直至更新后的所述分 割网络达到所述优化目标， 得到目标分割网络 。 2.根据权利要求1所述的提升分割网络稳健性的方法， 其特征在于， 所述将所述测试数 据集中的测试图像输入所述分割网络， 得到所述测试图像对应的分割图像， 包括： 将所述测试图像输入所述分割网络， 通过所述分割网络输出若干子分割图像， 其中， 若 干所述子分割图像分别对应不同的分割类别， 每一所述分割类别对应的所述子 分割图像基 于该分割类别对应的通道的通道图和索引值确定； 根据若干所述子分割图像， 确定所述分割图像。 3.根据权利要求1所述的提升分割网络稳健性的方法， 其特征在于， 所述根据 所述测试 图像和所述分割图像确定融合图像， 包括： 获取所述测试图像对应的边缘图像， 其中， 所述边缘图像的灰度变化程度大于所述测 试图像中除所述 边缘图像外的图像的灰度变化 程度； 对所述边缘图像和所述分割图像进行融合， 得到所述融合图像。 4.根据权利要求1所述的提升分割网络稳健性的方法， 其特征在于， 所述根据 所述测试 图像和所述 合成图像对所述分割网络的网络参数进行 更新， 包括： 根据所述测试图像和所述合成图像， 确定相似度数据/根据所述测试图像对应的加权 测试图像和所述合成图像对应的加权合成图像， 确定相似度数据， 其中， 所述加权测试图像 为基于注意力矩阵对所述测试图像进 行加权后的图像， 所述加权合成图像为基于所述注意 力矩阵对所述 合成图像进行加权后的图像； 根据所述相似度数据， 确定所述分割网络对应的损失函数值； 根据所述损失函数值对所述分割网络的网络参数进行 更新。 5.根据权利要求4所述的提升分割网络稳健性的方法， 其特征在于， 确定两张图像对应 的所述相似度数据的方法包括： 根据第一图像和第 二图像， 确定所述第 一图像和所述第 二图像对应的互相关系数和互 信息系数， 其中， 所述第一图像为所述测试图像， 所述第二图像为所述合成图像/所述第一 图像为所述加权测试图像， 所述第二图像为所述加权合成图像， 所述互相关系数用于反映 所述第一图像和所述第二图像之间的灰度差异， 所述互信息系数用于反映所述第一图像和 所述第二图像之间的信息 差异； 根据所述互相关系数和所述互信息系数， 确定所述相似度数据。 6.根据权利要求5所述的提升分割网络稳健性的方法， 其特征在于， 所述互相关系数的权　利　要　求　书 1/2 页 2 CN 115187779 A 2确定方法包括： 根据所述第一图像和所述第 二图像， 确定若干局部互相关系数， 其中， 若干所述局部互 相关系数分别对应不同的局部图像对， 每一所述局部图像对中的两个局部图像分别位于所 述第一图像和所述第二图像， 每一所述局部互相关系数用于反映两个所述局部图像之 间的 灰度差异； 根据若干所述局部互相关系数， 确定所述互相关系数。 7.根据权利要求6所述的提升分割网络稳健性的方法， 其特征在于， 所述互信 息系数的 确定方法包括： 根据所述第一图像， 确定所述第一图像对应的第一信息量； 获取所述第 二图像对应的灰度信 息， 根据所述第二图像对应的灰度信 息和所述第 一图 像确定所述第一图像对应的第二信息量； 根据所述第 一信息量和所述第 二信息量， 确定所述第 一图像和所述第 二图像对应的所 述互信息系数。 8.根据权利要求5所述的提升分割网络稳健性的方法， 其特征在于， 所述根据 所述相似 度数据， 确定所述分割网络对应的损失函数值， 包括： 根据所述互相关系数确定互相关损 失函数值， 其中， 所述互相关系数与所述互相关损 失函数值 为反比关系； 根据所述互信息系数确定互信息损 失函数值， 其中， 所述互相关系数与所述互相关损 失函数值 为反比关系； 根据所述互相关系数和所述互信息系数， 确定所述损失函数值。 9.一种提升分割网络稳健 性的装置， 其特 征在于， 所述装置包括： 图像分割模块， 用于获取分割 网络和所述分割 网络对应的测试数据集， 将所述测试数 据集中的测试图像输入所述分割网络， 得到所述测试图像对应的分割图像， 其中， 所述分割 网络预先经过训练数据集训练； 图像合成模块， 用于根据所述测试图像和所述分割图像确定融合图像， 将所述融合图 像输入预设的目标合成网络， 得到所述融合图像对应的合 成图像， 其中， 所述目标合成网络 预先经过所述训练数据集训练； 迭代更新模块， 用于根据所述测试图像和所述合成图像对所述分割网络的网络参数进 行更新， 判断更新后的所述分割网络是否达到优化 目标， 若更新后的所述分割网络未达到 所述优化 目标， 继续执行所述将所述测试数据集中的测试图像输入所述分割网络的步骤， 直至更新后的所述分割网络 达到所述优化目标， 得到目标分割网络 。 10.一种计算机可读存储介质， 其上存储有多条指令， 其特征在于， 所述指令适用于由 处理器加载并执行， 以实现上述权利要求1 ‑8任一所述的提升分割网络稳健性的方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115187779 A 3