[發明專利]一種高分辨率圖像的小目標語義分割方法及系統

在審

• 申請號: 202111425780.0
• 申請日: 2021-11-26
• 公開（公告）號: CN113963008A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 田桂
• 申請（專利權）人: 廣東奧普特科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/80
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 彭鯤鵬

本發明公開了一種高分辨率圖像的小目標語義分割方法及系統，該方法包括：獲取待分割的高分辨率圖像；采用訓練好的ThunderNet網絡對所述高分辨率圖像的小目標進行粗定位，確定目標區域；采用訓練好的DeepLabv3+網絡對所述目標區域進行像素級分類，得到像素級分類結果。本發明提供的一種高分辨率圖像的小目標語義分割方法及系統，通過先采用訓練好的ThunderNet網絡對高分辨率圖像的小目標進行粗定位，然后再采用訓練好的DeepLabv3+網絡對進行像素級分類，可實現對高分辨率圖像中的小目標的語義分割，并提高分割的準確度和效率，具備較高的魯棒性和抗干擾性。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種高分辨率圖像的小目標語義分割方法及系統。

背景技術

近年來，隨著計算機信息技術的發展，深度學習被大量應用于計算機視覺中，比如應用于目標檢測任務中，使得目標檢測完成了從手動提取人工設計的特征到應用卷積神經網絡讓計算機自動提取特征的轉變，極大的提高了速度和準確度，從而使得基于深度學習的計算機視覺成為圖像處理領域的主流。

在圖像處理領域中，在一些應用場景下，比如檢測圖像中的缺陷等小目標時，需要先對圖像中的一些目標內容進行語義分割，圖像的語義分割是對圖像在像素級別上的分類，通過語義分割模型將圖像中的屬于同類的目標內容分為一類，目標內容可以是特定的人物、物體或文字等，將目標內容在圖像確定像素級別的邊界并進行分割。例如圖像中的存在一車輛，判斷屬于該車輛的像素并將全部屬于該車輛的像素分割出來，確定該車輛在像素級別的邊界分割框。

目前，現有的語義分割技術均存在一些不同程度的不足，比如采用FCN網絡的語義分割技術的感受野太小，無法獲取全局信息，因此該網絡的分割結果不夠精細；采用U-net網絡的語義分割技術沒有全連接層，只有每個卷積層的有效部分，很難通過彈性形變對剛體數據進行增強；采用DeepLab網絡的語義分割技術卷積層較多，造成訓練時間較長。

因此，很有必要對現有技術進行改進。

以上信息作為背景信息給出只是為了輔助理解本公開，并沒有確定或者承認任意上述內容是否可用作相對于本公開的現有技術。

發明內容

本發明提供一種高分辨率圖像的小目標語義分割方法及系統，以解決現有技術的不足。

為實現上述目的，本發明提供以下的技術方案：

第一方面，本發明實施例提供一種高分辨率圖像的小目標語義分割方法，所述方法包括：

獲取待分割的高分辨率圖像；

采用訓練好的ThunderNet網絡對所述高分辨率圖像的小目標進行粗定位，確定目標區域；

采用訓練好的DeepLabv3+網絡對所述目標區域進行像素級分類，得到像素級分類結果。

進一步地，所述高分辨率圖像的小目標語義分割方法中，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：

構建所述ThunderNet網絡和所述DeepLabv3+網絡；

獲取訓練樣本數據集；

對所述訓練樣本數據集進行數據增強，以擴充所述訓練樣本數據集；

將擴充后的所述訓練樣本數據集輸入到所述ThunderNet網絡中，以訓練所述ThunderNet網絡對所述訓練樣本數據集中的小目標進行粗定位；

將所述訓練樣本數據集中的粗定位區域進行裁剪，得到包含小目標的區域圖像；

將所述區域圖像輸入到所述DeepLabv3+網絡中，以訓練所述DeepLabv3+網絡對所述區域圖像進行像素級分類。