【技术实现步骤摘要】
图像中像素的实例类别确定方法、装置、设备及存储介质
本申请涉及图像处理
，尤其涉及一种图像中像素的实例类别确定方法、装置、设备及存储介质。
技术介绍
基于卫星图像的建筑物检测业内做法多为双阶段的目标检测算法mask-rcnn系列，其第一阶段为目标实例位置框的粗略检测：将图片里正样本待检测物体进行粗略的定位和正负样本分类，得到一系列候选框位置(锚点框)，第二阶段为一个小型位置回归分类网络和语义分割网络：其中回归分类网络负责对正样本物体进行多类别的细分类和外接矩形框相对于锚点框的偏移量进行回归，语义分割网络负责像素级别单实例前背景分割。现有技术以mask-rcnn为例，在密集村落，农村小房子检测任务上存在以下问题在：1.实例目标过小，对第一阶段的候选框设计和检测难度有非常大的影响，造成实例召回率低下的问题。2.产出结果的实例边缘往往不清晰，会造成检测出多个小面积压盖结果，造成准确率低下，不能达到应用标准。此外，很多图片中建筑实例过多(上千个)，前景像素特征可达100万条，聚类难度极大。往往同一图片中的建筑有...
【技术保护点】
1.一种图像中像素的实例类别确定方法，其特征在于，所述方法包括：/n获取待检测图像，所述待检测图像中包括目标数量的实例；/n对所述待检测图像进行下采样处理，得到共享特征；/n采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征；/n对所述共享特征进行实例分析处理，得到实例特征；所述实例特征包括所述待检测图像中每个像素的空间位置特征；/n将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征；/n根据所述待检测图像中每个像素的融合特征，确定所述待检测图像中每个像素的实例类别。/n
【技术特征摘要】
1.一种图像中像素的实例类别确定方法，其特征在于，所述方法包括：
获取待检测图像，所述待检测图像中包括目标数量的实例；
对所述待检测图像进行下采样处理，得到共享特征；
采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征；
对所述共享特征进行实例分析处理，得到实例特征；所述实例特征包括所述待检测图像中每个像素的空间位置特征；
将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征；
根据所述待检测图像中每个像素的融合特征，确定所述待检测图像中每个像素的实例类别。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待检测图像中每个像素的实例类别的步骤之后，所述方法还包括：
通过密度聚类算法，确定每个实例类别对应的像素集；
响应于在显示界面的触发操作，根据所述每个实例类别对应的像素集，展示所述待检测图像中每个实例对应的图像。
3.根据权利要求1所述的方法，其特征在于，所述语义特征包括所述待检测图像的背景特征和前景特征；所述采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征包括：
采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到所述待检测图像的背景特征和前景特征；
相应的，所述采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到所述待检测图像的背景特征和前景特征的步骤之后，所述方法还包括：
确定所述待检测图像的背景特征的第一掩码以及所述前景特征的第二掩码。
4.根据权利要求3所述的方法，其特征在于，所述实例特征还包括所述待检测图像中每个像素的纹理特征，所述对所述共享特征进行实例分析处理，得到实例特征包括：
对所述共享特征进行实例分析处理，得到所述待检测图像中每个像素的纹理特征和空间位置特征；
相应的，所述将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征包括：
将所述待检测图像的背景特征的第一掩码与所述待检测图像中背景对应像素的纹理特征、空间位置特征进行融合，得到第一融合结果；
将所述待检测图像的前景特征的第二掩码与所述待检测图像中前景对应像素的纹理特征、空间位置特征进行融合，得到第二融合结果；
根据所述第一融合结果与所述第二融合结果，确定所述待检测图像中每个像素的融合特征。
5.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行下采样处理，得到共享特征包括：
提取所述待检测图像的边缘纹理特征集；
根据所述待检测图像的边缘纹理特征集，确定边缘纹理结合特征；<...
【专利技术属性】
技术研发人员：单鼎一，梅树起，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
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。