[發明專利]圖像分割方法、裝置、設備及介質

有效

• 申請號: 202110240846.2
• 申請日: 2021-03-04
• 公開（公告）號: CN112862840B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 廖彩明
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/12;G06V10/774;G06V10/82;G06N3/084
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

1.一種圖像分割方法，其特征在于，所述方法包括：

獲取輸入圖像的評分映射，所述評分映射是基于所述輸入圖像中像素點的空間信息所獲得的分割結果；

對所述評分映射進行指數歸一化，獲得所述輸入圖像的語義掩層，所述語義掩層是基于語義所分割獲得的掩層；

基于所述語義掩層中的像素點的標簽值，生成所述輸入圖像的空域自適應掩層，所述標簽值用于表示所述像素點的語義特征，所述空域自適應掩層是對所述語義掩層進行校正所獲得的掩層；

基于所述空域自適應掩層，獲得所述輸入圖像的所述分割校正結果。

2.根據權利要求1所述的方法，其特征在于，所述基于所述語義掩層中像素點的標簽值，生成所述輸入圖像的空域自適應掩層，包括：

獲取所述語義掩層中目標像素點的鄰域像素點的像素值和標簽值，所述目標像素點為所述語義掩層中位于分割區域邊緣的像素點；

基于所述鄰域像素點的像素值和標簽值，迭代計算所述目標像素點的標簽值；

基于迭代后的所述目標像素點的標簽值，替換所述目標像素點的標簽值，獲得所述空域自適應掩層。

3.根據權利要求2所述的方法，其特征在于，所述基于所述鄰域像素點的像素值和標簽值，迭代計算所述目標像素點的標簽值，包括：

基于所述鄰域像素點的像素值，計算所述鄰域像素點的權重值；

基于所述鄰域像素點的權重值和所述鄰域像素點的標簽值，加權計算所述目標像素點的標簽值；

重復上述兩個步驟，直至滿足迭代完成條件，獲得所述目標像素點的標簽值。

4.根據權利要求1至3任一所述的方法，其特征在于，所述獲取所述輸入圖像的評分映射，包括：

將所述輸入圖像輸入到全卷積子網絡中，輸出所述輸入圖像的所述評分映射。

5.根據權利要求4所述的方法，其特征在于，所述全卷積子網絡包括至少i層網絡結構，第m+1層網絡結構的輸入是由第m層網絡結構的特征和第n層網絡結構的對應特征線性融合且非線性激活后獲得的，所述第n層網絡結構的特征是隨機獲得的，其中，m，n，i均為正整數，nmm+1i。

6.根據權利要求1至3任一所述的方法，其特征在于，所述方法還包括：

通過圖像修正子網絡對所述評分映射進行指數歸一化，獲得所述輸入圖像的語義掩層；

基于所述語義掩層中的像素點的標簽值，通過所述圖像修正子網絡生成所述輸入圖像的空域自適應掩層；

基于所述空域自適應掩層，通過所述圖像修正子網絡獲得所述輸入圖像的所述分割校正結果。

7.根據權利要求6所述的方法，其特征在于，所述圖像修正子網絡由以下步驟訓練獲得；

獲取圖像訓練集，所述圖像訓練集包括訓練樣本和所述訓練樣本對應的真實標注；

將所述訓練樣本輸入到全卷積子網絡中；

將所述全卷積子網絡輸出的所述訓練樣本的評分映射輸入到所述圖像修正子網絡；

基于所述圖像修正子網絡的輸出結果和所述真實標注，通過損失函數，對所述圖像修正子網絡進行訓練。

8.根據權利要求7所述的方法，其特征在于，所述基于所述圖像修正子網絡的輸出結果和所述真實標注，通過損失函數計算誤差，對所述圖像修正子網絡進行訓練，包括：

獲取所述訓練樣本的全局權重池和懲罰函數；

基于所述全局權重池和所述懲罰函數的和，獲得所述訓練樣本的分類得分；

基于所述分類得分，計算得到第一損失函數的系數；

將所述圖像修正子網絡的輸出結果和所述訓練樣本對應的真實標注代入所述第一損失函數，得到第一誤差；

基于所述第一誤差，對所述圖像修正子網絡進行訓練。