【技术实现步骤摘要】
基于边缘检测的物体分割方法、电子终端及存储介质
本申请涉及图像处理
，特别是涉及图像检测
，具体为一种基于边缘检测的物体分割方法、电子终端及存储介质。
技术介绍
物体分割方法主要是对一张图片中的所有物体进行像素级别的识别，即每个像素需要知道这些像素是属于哪一个个体。现有的物体分割方法可以分为两个类：基于物体识别的方法和基于分割的方法。基于物体识别的方法是先通过物体检测的方法检测出一张图片中的所有物体的不同实体，然后根据物体检测方法得到的每个实例的边界框，然后根据边界框到原图或者原图经过神经网络之后的特征图进行框选，再对框选的区域进行进一步处理，得到物体的像素级分割。基于语义分割的方法是先对整张图片进行像素级别的语义分割，然后再将语义分割区分出不同的物体个体。现有的基于分割的方法存在的一个问题是预测得到的物体分割的边缘不够准确，由于基于分割的方法在在预测得到像素级别信息时处理的是整张图片，相比基于物体检测的方法来说，神经网络需要处理的背景噪音较多，同时分辨率也相对较低，所以在大部分基于分割的...
【技术保护点】
1.一种基于边缘检测的物体分割方法，其特征在于：包括：/n获取输入图片；/n通过卷积神经网络模型对所述输入图片进行处理获取像素级别信息；/n根据所述像素级别信息对所述输入图片的像素点进行类别级的分类；/n基于中心点对同一类别的边缘像素点进行个体级别的分类；/n基于下一个像素点的方向将同一个个体的边缘像素点构成封闭的边缘，获得物体分割。/n
【技术特征摘要】
1.一种基于边缘检测的物体分割方法，其特征在于：包括：
获取输入图片；
通过卷积神经网络模型对所述输入图片进行处理获取像素级别信息；
根据所述像素级别信息对所述输入图片的像素点进行类别级的分类；
基于中心点对同一类别的边缘像素点进行个体级别的分类；
基于下一个像素点的方向将同一个个体的边缘像素点构成封闭的边缘，获得物体分割。
2.根据权利要求1所述的基于边缘检测的物体分割方法，其特征在于：所述卷积神经网络模型包括一个基础层、多个残差网络模块、多个特征金字塔模块和输出层；所述基础层包括卷积层，批归一化层，激活层和一池化层；每个残差网络模块包含着多个连续的残差网络结构；所述输出层包括通过级联网络连接的多个输出模块。
3.根据权利要求2所述的基于边缘检测的物体分割方法，其特征在于：各所述特征金字塔模块对应对各残差网络模块进行采样，直到上采样到和第一个残差模块的输入的特征图大小一致。
4.根据权利要求2所述的基于边缘检测的物体分割方法，其特征在于：选取一个或多个所述残差网络结构，并将选取的所述残差网络结构连接一非局部操作层；选取级联网络并将选取的级联网络连接一非局部操作层。
5.根据权利要求1所述的基于边缘检测的物体分割方法，其特征在于：所述像素级别信息包括：像素点是否为物体边缘，像素点的类别，像素点所属的物体的中心的位置，像素点到下一个像素点的方向。
6.根据权利要求5所述的基于边缘检测的物体分割方法，其特征在于：所述进行类别级的分类包括：通过设置置...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。