图像分割方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本发明专利技术涉及物联网技术，揭露了一种图像分割方法，包括：利用预先构建的包括多个尺度的卷积核和多个空洞率的空洞卷积的图像分割模型，对待分割图像进行特征提取，得到特征图；将所述特征图进行拼接并执行上采样操作，得到复原图像；利用图像分割算法对所述复原图像进行像素分割，得到分割图像。本发明专利技术还提出一种图像分割方法、装置、电子设备以及计算机可读存储介质。本发明专利技术可以解决传统分割网络的分割结果精确性不高的问题。

【技术实现步骤摘要】
图像分割方法、装置、电子设备及计算机可读存储介质
本专利技术涉及物联网领域，尤其涉及一种图像分割方法、装置、电子设备及计算机可读存储介质。
技术介绍
5G为物联网(TheInternetofThings，简称IOT)拓宽了应用场景，让物联网能够应用于各个垂直行业，从而促进万物互联时代的到来。在物联网的很多实际应用场景中，各种智能家居机器人可以像人一样自主行走，而自主行走需要智能家居机器人具备场景识别的能力。在训练人工智能模型进行场景识别的过程中，如何对场景图像中的像素进行分割对于场景识别的精确性至关重要。现有的图像分割多采用基于深度学习的语义分割解决方案，例如，FCN(用于语义分割的全卷积神经网络)、U-Net(用于生物医学图像的语义分割卷积神经网络)等。但专利技术人发现，FCN和U-NET采用与分类网络相同的结构，分类网络只关注像素的类别，对像素位置并不关心，不利于像素的定位，且分类网络的特征提取方式大大削弱了图像特征的多样性，使得分割网络的分割结果的精确性不能满足需求。
技术实现思路
本专利技术提供一种图像分割方本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，所述方法包括：/n利用预先构建的包括多个尺度的卷积核和多个空洞率的空洞卷积的图像分割模型，对待分割图像进行特征提取，得到特征图；/n将所述特征图进行拼接并执行上采样操作，得到复原图像；/n利用图像分割算法对所述复原图像进行像素分割，得到分割图像。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：
利用预先构建的包括多个尺度的卷积核和多个空洞率的空洞卷积的图像分割模型，对待分割图像进行特征提取，得到特征图；
将所述特征图进行拼接并执行上采样操作，得到复原图像；
利用图像分割算法对所述复原图像进行像素分割，得到分割图像。


2.如权利要求1所述的图像分割方法，其特征在于，所述图像分割模型中每一个尺度的卷积核并行连接多个空洞率的空洞卷积，且空洞卷积的空洞率随着所连接的卷积核尺度的增大而增大。


3.如权利要求2所述的图像分割方法，其特征在于，所述利用预先构建的包括多个尺度的卷积核和多个空洞率的空洞卷积的图像分割模型，对待分割图像进行特征提取，得到特征图，包括：
利用所述多个尺度的卷积核对待分割图像中的同一特征进行特征提取，得到每个尺度的卷积核输出的第一特征图；
利用每个尺度的卷积核连接的空洞卷积对该尺度的卷积核输出的第一特征图进行卷积操作，得到特征图。


4.如权利要求1所述的图像分割方法，其特征在于，所述将所述特征图进行拼接并执行上采样操作，得到复原图像，包括：
将所述特征图进行拼接，得到拼接图；
将所述拼接图进行第一阈值倍数的上采样，得到中间特征图；
将所述中间特征图进行第二阈值倍数的上采样，得到原图尺寸的复原图像。


5.如权利要求1至4中任一项所述的图像分割方法，其特征在于，所述利用图像分割算法对所述复原图像进行像素分割，得到分割图像，包括：
将所述复原图像进行灰度值转化，得到灰度图像；
按照所述灰度图像中每个像素的灰度值将像素进行聚类；
根据聚类的结果将所述灰度图像中的像素进行分割，得到分割图像。


6.如权利要求1至4中任一项所述的图像分割方法，其特征在于，所述利用预先构建的包括多个尺度的卷积核和多个空洞率的空洞卷积的图像分割模型，对待分割图像进行特征提取，得到特征图之前，所述方法还包括：
...

【专利技术属性】
技术研发人员：马桤，李磊，聂智戈，石娜，吴贤望，李婉，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33