一种用于图像的实例级别分割的设备和方法技术

提出了一种用于执行图像实例级别语义分割的设备和方法。因此，类级别语义分割与实例级别边界检测组合在一起，并且改进的SLIC算法计算多个超像素作为实例级别分段。所述设备执行所述图像的类级别语义分割，以获取一个或多个类级别分段，其中每个类级别分段都具有与之相关联的对象类；同时，还针对所述图像执行实例级别语义边界检测，以获取一个或多个实例级别边界，其中对于每个实例级别边界，具有实例级别中心点。所述设备基于位于所述类级别分段中的所述实例级别中心点的个数，针对每个类级别分段，估计所述类级别分段中的对象实例的个数。所述设备基于所述一个或多个实例级别边界，针对估计的对象实例个数大于1的每个类级别分段，执行改进的SLIC算法，以获取多个超像素作为实例级别分段。

【技术实现步骤摘要】
【国外来华专利技术】一种用于图像的实例级别分割的设备和方法
本专利技术涉及一种图像的实例级别分割的设备，还涉及一种相应的实例级别语义分割方法。实例级别语义分割可以用于分割和选择场景图像内的每个语义相关对象。这意味着属于同一类别的对象进行单独分割和识别。
技术介绍
最近围绕人工智能(例如自动驾驶或机器人导航)的兴趣的增加导致了对这些技术至关重要的新研究课题。例如，理解和分析机器人或自动驾驶车辆周围的场景是相关应用的关键组成部分。该任务涉及检测和提取场景内部语义相关对象的能力，例如在所述场景的图像中。该流程称为“图像分割”。图像分割的显著方法是简单的线性迭代聚类(SimpleLinearIterativeClustering，简称SLIC)算法。在该算法中，所述场景的图像被聚类成超像素，其中超像素是一组语义相干像素。这意味着属于特定超像素的像素可能属于同一场景对象。最小可能的超像素由单个像素组成，最大可能的超像素由图像的所有像素组成。SLIC方法基于改进版本的K-均值聚类算法，使得超像素边界与语义相关对象的边界/边缘重叠。很少提出改进版本的SLIC算法本文档来自技高网...

【技术保护点】
1.一种用于图像(101)的实例级别语义分割的设备(100)，其特征在于，所述设备(100)用于：/n执行所述图像(101)的类级别语义分割(103)，以获取一个或多个类级别分段(106)，其中每个类级别分段(106)都具有与之相关联的对象类；/n针对所述图像(101)执行实例级别语义边界检测(102)，以获取一个或多个实例级别边界(108)，其中对于每个实例级别边界(108)，具有实例级别中心点(107)；/n基于位于所述类级别分段(106)中的所述实例级别中心点(107)的个数，针对每个类级别分段(106)，估计(104)所述类级别分段(106)中的对象实例的个数；/n基于所述一个或多个实...

【技术特征摘要】
【国外来华专利技术】1.一种用于图像(101)的实例级别语义分割的设备(100)，其特征在于，所述设备(100)用于：
执行所述图像(101)的类级别语义分割(103)，以获取一个或多个类级别分段(106)，其中每个类级别分段(106)都具有与之相关联的对象类；
针对所述图像(101)执行实例级别语义边界检测(102)，以获取一个或多个实例级别边界(108)，其中对于每个实例级别边界(108)，具有实例级别中心点(107)；
基于位于所述类级别分段(106)中的所述实例级别中心点(107)的个数，针对每个类级别分段(106)，估计(104)所述类级别分段(106)中的对象实例的个数；
基于所述一个或多个实例级别边界(108)，针对估计的对象实例个数大于1的每个类级别分段(109)，执行改进的简单的线性迭代聚类(SimpleLinearIterativeClustering，简称SLIC)算法(105)，以获取多个超像素作为实例级别分段(110)。


2.根据权利要求1所述的设备(100)，其特征在于，用于：
基于给定的类级别分段(106)中估计的对象实例个数(201)，针对所述分段(106)，执行所述改进的SLIC算法(105)，以初始化多个搜索区域(401)，所述搜索区域都围绕中心像素(402)，对应于所述分段(106)中的估计的对象实例个数(201)。


3.根据权利要求1或2所述的设备(100)，其特征在于，
所述改进的SLIC算法(105)在所述SLIC算法的基础上进行改进，以考虑多个边界像素(403)，并根据每个搜索区域(401)中的所述一个或多个实例级别边界(108)进行计算。


4.根据权利要求1至3中任一项所述的设备(100)，其特征在于，用于：
通过执行所述改进的SLIC算法(105)，为超像素分配搜索像素(404)，所述超像素的搜索区域(401)包括最小个数的边界像素(403)，所述最小个数根据分离所述搜索像素(404)与所述搜索区域(401)的中心像素(402)的所述一个或多个实例级别边界(108)计算所得。


5.根据权利要求1至4中任一项所述的设备(100)，其特征在于，用于：
通过执行所述改进的SLIC算法(105)，关于搜索区域(401)的中心像素(402)，计算所述搜索区域(401)内搜索像素(404)的距离测度，其中，所述距离测度根据所述边界像素(403)的个数进行补偿，并根据每个搜索区域(401)中的所述一个或多个实例级别边界(108)进行计算。


6.根据权利要求5所述的设备(100)，其特征在于，用于：
根据以下等式计算所述距离测度D

且db＝nb/4S2。
其中，dC表示所述搜索像素(404)至所述中心像素(402)的CIELAB域中的颜色距离，dS表示所述搜索像素(404)至所述中心像素(402)的空域中的距离测度，m为第一加权参数，nb为所述搜索区域(401)中所述边界像素(403)的个数，...

【专利技术属性】
技术研发人员：伊布拉希姆·哈法奥，奥纳伊·优厄法利欧格路，法赫德·布扎拉，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44