[發明專利]基于人工智能的圖像分割方法、裝置、計算機設備及介質

在審

• 申請號: 202310499599.7
• 申請日: 2023-05-06
• 公開（公告）號: CN116433913A
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 張旭龍;王健宗;程寧;趙嘉豪
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/80;G06V10/82;G06V10/74;G06V10/764;G06V10/77;G06V20/70
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 姚章國

1.一種基于人工智能的圖像分割方法，其特征在于，所述圖像分割方法包括：

將獲取的待處理圖像輸入訓練好的卷積模型中進行特征提取，得到第一圖像特征；

獲取參考圖像及其對應的標簽圖像，將所述參考圖像輸入所述訓練好的卷積模型中進行特征提取，得到第二圖像特征；

將所述第一圖像特征和所述第二圖像特征輸入訓練好的關聯模型進行特征相關性計算，計算得到所述第一圖像特征和所述第二圖像特征之間的特征關聯矩陣；

將所述特征關聯矩陣和所述標簽圖像相乘，確定相乘結果為聚合特征，將所述聚合特征輸入訓練好的分割器中進行像素點類別分割，得到所述待處理圖像對應的圖像分割結果。

2.根據權利要求1所述的圖像分割方法，其特征在于，所述獲取參考圖像及其對應的標簽圖像包括：

將所述參考圖像輸入所述訓練好的卷積模型中進行特征提取，得到所述第二圖像特征；

將所述第二圖像特征輸入所述訓練好的分割器中進行圖像分割，確定圖像分割結果為所述標簽圖像。

3.根據權利要求1所述的圖像分割方法，其特征在于，所述將所述第一圖像特征和所述第二圖像特征輸入訓練好的關聯模型進行特征相關性計算，計算得到所述第一圖像特征和所述第二圖像特征之間的特征關聯矩陣包括：

將所述第二圖像特征的轉置和所述第一圖像特征相乘，得到相乘結果，所述相乘結果包括至少兩行相乘特征值；

對相乘結果中的每一行相乘特征值進行歸一化處理，將所有行的歸一化處理結果拼接，得到所述特征關聯矩陣。

4.根據權利要求1所述的圖像分割方法，其特征在于，所述將所述特征關聯矩陣和所述標簽圖像相乘，確定相乘結果為聚合特征包括：

對所述標簽圖像進行降維，得到與所述第一圖像特征維度一致的降維圖像；

將所述降維圖像和所述特征關聯矩陣相乘，得到所述聚合特征。

5.根據權利要求1至4任一項所述的圖像分割方法，其特征在于，所述獲取參考圖像及其對應的標簽圖像，將所述參考圖像輸入所述訓練好的卷積模型中進行特征提取，得到第二圖像特征包括：

通過訓練好的變分自編碼器對所述參考圖像進行重構，得到N個重構圖像，并獲取每個重構圖像對應的標簽圖像，N為大于零的整數；

將所述參考圖像和所述N個重構圖像分別輸入所述訓練好的卷積模型中進行特征提取，得到N+1個第二圖像特征。

6.根據權利要求5所述的圖像分割方法，其特征在于，所述將所述第一圖像特征和所述第二圖像特征輸入訓練好的關聯模型進行特征相關性計算，計算得到所述第一圖像特征和所述第二圖像特征之間的特征關聯矩陣，將所述特征關聯矩陣和所述標簽圖像相乘，確定相乘結果為聚合特征包括：

將所述第一圖像特征分別和所述N+1個第二圖像特征輸入所述訓練好的關聯模型，得到N+1個特征關聯矩陣；

將所述N+1個特征關聯矩陣分別與其對應的標簽圖像相乘，得到N+1個聚合特征。

7.根據權利要求6所述的圖像分割方法，其特征在于，所述將所述聚合特征輸入訓練好的分割器中進行像素點類別分割，得到所述待處理圖像對應的圖像分割結果包括：

對所述N+1個聚合特征進行均值計算，得到均值特征；

將所述均值特征輸入所述訓練好的分割器中進行像素點類別分割，得到所述待處理圖像對應的圖像分割結果。