[發(fā)明專利]一種高分辨率圖像的小目標(biāo)語(yǔ)義分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111425780.0
• 申請(qǐng)日: 2021-11-26
• 公開（公告）號(hào): CN113963008A
• 公開（公告）日: 2022-01-21
• 發(fā)明（設(shè)計(jì)）人: 田桂
• 申請(qǐng)（專利權(quán)）人: 廣東奧普特科技股份有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/187;G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/80
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 彭鯤鵬

1.一種高分辨率圖像的小目標(biāo)語(yǔ)義分割方法，其特征在于，所述方法包括：

獲取待分割的高分辨率圖像；

采用訓(xùn)練好的ThunderNet網(wǎng)絡(luò)對(duì)所述高分辨率圖像的小目標(biāo)進(jìn)行粗定位，確定目標(biāo)區(qū)域；

采用訓(xùn)練好的DeepLabv3+網(wǎng)絡(luò)對(duì)所述目標(biāo)區(qū)域進(jìn)行像素級(jí)分類，得到像素級(jí)分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的高分辨率圖像的小目標(biāo)語(yǔ)義分割方法，其特征在于，在所述獲取待分割的高分辨率圖像的步驟之前，所述方法還包括：

構(gòu)建所述ThunderNet網(wǎng)絡(luò)和所述DeepLabv3+網(wǎng)絡(luò)；

獲取訓(xùn)練樣本數(shù)據(jù)集；

對(duì)所述訓(xùn)練樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，以擴(kuò)充所述訓(xùn)練樣本數(shù)據(jù)集；

將擴(kuò)充后的所述訓(xùn)練樣本數(shù)據(jù)集輸入到所述ThunderNet網(wǎng)絡(luò)中，以訓(xùn)練所述ThunderNet網(wǎng)絡(luò)對(duì)所述訓(xùn)練樣本數(shù)據(jù)集中的小目標(biāo)進(jìn)行粗定位；

將所述訓(xùn)練樣本數(shù)據(jù)集中的粗定位區(qū)域進(jìn)行裁剪，得到包含小目標(biāo)的區(qū)域圖像；

將所述區(qū)域圖像輸入到所述DeepLabv3+網(wǎng)絡(luò)中，以訓(xùn)練所述DeepLabv3+網(wǎng)絡(luò)對(duì)所述區(qū)域圖像進(jìn)行像素級(jí)分類。

3.根據(jù)權(quán)利要求2所述的高分辨率圖像的小目標(biāo)語(yǔ)義分割方法，其特征在于，所述對(duì)所述訓(xùn)練樣本數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)，以擴(kuò)充所述訓(xùn)練樣本數(shù)據(jù)集的步驟包括：

對(duì)所述訓(xùn)練樣本數(shù)據(jù)集中的圖像進(jìn)行灰度化、二值化、取反和連通域標(biāo)記操作；

計(jì)算每個(gè)所述連通域的質(zhì)心坐標(biāo)；

將所述質(zhì)心坐標(biāo)的x坐標(biāo)隨機(jī)在x∈[0，width]中取一個(gè)數(shù)，其中width代表圖像的寬，以及將所述質(zhì)心坐標(biāo)的y坐標(biāo)隨機(jī)在y∈[0，height]中取一個(gè)數(shù)，其中height代表圖像的高；

將所述質(zhì)心坐標(biāo)在水平方向上左右平移量tr_x，tr_x的取值范圍為[0，width]，并在該范圍內(nèi)隨機(jī)取一個(gè)值，垂直方向平移上左右平移量tr_y，tr_y的取值范圍為[0，height]，并在該范圍內(nèi)隨機(jī)取一個(gè)值，增加判斷若平移后的坐標(biāo)只要有一個(gè)超出該圖像的范圍，則重新取一個(gè)隨機(jī)值；

以平移后的所述質(zhì)心坐標(biāo)進(jìn)行裁剪，再縮放到統(tǒng)一大小。

4.根據(jù)權(quán)利要求2所述的高分辨率圖像的小目標(biāo)語(yǔ)義分割方法，其特征在于，所述將擴(kuò)充后的所述訓(xùn)練樣本數(shù)據(jù)集輸入到所述ThunderNet網(wǎng)絡(luò)中，以訓(xùn)練所述ThunderNet網(wǎng)絡(luò)對(duì)所述訓(xùn)練樣本數(shù)據(jù)集中的小目標(biāo)進(jìn)行粗定位的步驟包括：

對(duì)擴(kuò)充后的所述訓(xùn)練樣本數(shù)據(jù)集中的小目標(biāo)進(jìn)行標(biāo)記：

將標(biāo)記好的所述訓(xùn)練樣本數(shù)據(jù)集輸入到所述ThunderNet網(wǎng)絡(luò)中，以訓(xùn)練所述ThunderNet網(wǎng)絡(luò)對(duì)所述小目標(biāo)進(jìn)行粗定位。

5.根據(jù)權(quán)利要求2所述的高分辨率圖像的小目標(biāo)語(yǔ)義分割方法，其特征在于，所述將所述區(qū)域圖像輸入到所述DeepLabv3+網(wǎng)絡(luò)中，以訓(xùn)練所述DeepLabv3+網(wǎng)絡(luò)對(duì)所述區(qū)域圖像進(jìn)行像素級(jí)分類的步驟包括：

將所述區(qū)域圖像輸入到所述DeepLabv3+網(wǎng)絡(luò)中；

通過所述DeepLabv3+網(wǎng)絡(luò)中的淺層卷積層提取所述區(qū)域圖像的低級(jí)特征，并通過使用編碼器和解碼器迭代出高級(jí)特征；

將所述低級(jí)特征和高級(jí)特征進(jìn)行融合，以訓(xùn)練所述DeepLabv3+網(wǎng)絡(luò)對(duì)所述區(qū)域圖像進(jìn)行像素級(jí)分類。

6.一種高分辨率圖像的小目標(biāo)語(yǔ)義分割系統(tǒng)，其特征在于，所述系統(tǒng)包括：

圖像獲取模塊，用于獲取待分割的高分辨率圖像；

粗定位模塊，用于采用訓(xùn)練好的ThunderNet網(wǎng)絡(luò)對(duì)所述高分辨率圖像的小目標(biāo)進(jìn)行粗定位，確定目標(biāo)區(qū)域；

像素級(jí)分類模塊，用于采用訓(xùn)練好的DeepLabv3+網(wǎng)絡(luò)對(duì)所述目標(biāo)區(qū)域進(jìn)行像素級(jí)分類，得到像素級(jí)分類結(jié)果。