[發明專利]圖像分割方法和裝置、電子設備、程序和介質

有效

• 申請號: 201810136371.0
• 申請日: 2018-02-09
• 公開（公告）號: CN108335305B
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 劉樞;亓魯;秦海芳;石建萍;賈佳亞
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本發明實施例公開了一種圖像分割方法和裝置、電子設備、程序和介質，其中，方法包括：通過神經網絡對圖像進行特征提取，輸出至少兩個不同層級的特征；將所述至少兩個不同層級的特征進行至少一次折回融合，得到第一融合特征；其中，一次所述折回融合包括：在所述神經網絡的網絡深度方向，對分別由不同網絡深度的網絡層輸出的不同層級的特征，依次按照兩個不同的層級方向進行融合；基于所述第一融合特征對所述圖像的至少部分區域進行分割，獲得分割結果。本發明實施例設計了基于深度學習的框架解決圖像分割的問題，可以提高圖像分割結果的準確性。

技術領域

本發明涉及計算機視覺技術，尤其是一種圖像分割方法和裝置、電子設備、程序和介質。

背景技術

實例分割是計算機視覺領域非常重要的方向，此任務結合了語義分割和物體檢測的特點，對于輸入圖像中的每一個物體，都會為他們生成一個獨立的像素級別的掩膜(mask)，并且預測其對應的類別。實例分割在無人駕駛、家居機器人等領域有著非常廣闊的應用。

發明內容

本發明實施例提供一種圖像分割技術方案。

根據本發明實施例的一個方面，提供的一種圖像分割方法，包括：

通過神經網絡對圖像進行特征提取，輸出至少兩個不同層級的特征；

將所述至少兩個不同層級的特征進行至少一次折回融合，得到第一融合特征；其中，一次所述折回融合包括：在所述神經網絡的網絡深度方向，對分別由不同網絡深度的網絡層輸出的不同層級的特征，依次按照兩個不同的層級方向進行融合；

基于所述第一融合特征對所述圖像的至少部分區域進行分割，獲得分割結果。

在基于本發明上述各方法實施例的另一個實施例中，所述通過神經網絡對圖像進行特征提取，輸出至少兩個不同層級的特征，包括：

通過所述神經網絡對所述圖像進行特征提取，經所述神經網絡中至少兩個不同網絡深度的網絡層輸出至少兩個不同層級的特征。

在基于本發明上述各方法實施例的另一個實施例中，所述兩個不同的層級方向，包括：從高層級特征到低層級特征的方向、和從低層級特征到高層級特征的方向。

在基于本發明上述各方法實施例的另一個實施例中，所述依次按照兩個不同的層級方向，包括：

依次沿從高層級特征到低層級特征的方向和從低層級特征到高層級特征的方向；或者

依次沿從低層級特征到高層級特征的方向和從高層級特征到低層級特征的方向。

在基于本發明上述各方法實施例的另一個實施例中，對分別由不同網絡深度的網絡層輸出的不同層級的特征，依次沿從高層級特征到低層級特征的方向和從低層級特征到高層級特征的方向進行融合，包括：

沿所述神經網絡的網絡深度從深到淺的方向，依次將所述神經網絡中，經網絡深度較深的網絡層輸出的較高層級的特征上采樣后，與經網絡深度較淺的網絡層輸出的較低層級的特征進行融合，獲得第二融合特征；

沿從低層級特征到高層級特征的方向，依次將較低層級的融合特征降采樣后，與所述第二融合特征中較高層級的融合特征進行融合。

在基于本發明上述各方法實施例的另一個實施例中，所述較高層級的特征，包括：

經所述神經網絡中所述網絡深度較深的網絡層輸出的特征、或者對所述網絡深度較深的網絡層輸出的特征進行至少一次特征提取得到的特征。

在基于本發明上述各方法實施例的另一個實施例中，所述依次將所述神經網絡中，經網絡深度較深的網絡層輸出的較高層級的特征上采樣后，與經網絡深度較淺的網絡層輸出的較低層級的特征進行融合，包括：