一种图像分割方法及系统技术方案

本发明专利技术公开了一种图像分割方法及系统。其中，该方法包括：获取样本数据；根据所述样本数据，提取抽象特征；根据所述抽象特征，生成所述样本数据的概率分布信息；根据所述概率分布信息确定样本类别，并获取上采样特征；将所述上采样特征与所述分类概率分布信息进行融合，得到分类结果。本发明专利技术解决了现有技术中无法减少模型整体的参数量，提高泛化能力，具有相关性的任务之间共享部分参数的技术问题。

【技术实现步骤摘要】
一种图像分割方法及系统
本专利技术涉及图像处理领域，具体而言，涉及一种图像分割方法及系统。
技术介绍
图像分割与图像分类是计算机视觉领域中的重要研究方向。图像分割用于提取图像中的目标区域，目前广泛应用于机器视觉，指纹识别，卫星图像定位，行人检测等领域。图像识别是计算机视觉领域最常见的任务，也是很多其他高级视觉任务的基础，例如物体跟踪和行为分析等。图像分类广泛应用于各种领域，包括人脸识别，交通场景识别，相册自动归类，医学图像识别等。图像分割与分类共存于许多图像识别任务中，例如在一些医学图像处理中，分割任务是分类任务的前提，图像分类需要引入目标区域这一特征信息。因此，开发同时应用于分割与分类的多任务图像识别系统具有重要的意义。目前，卷积神经网络在计算机视觉领域应用广泛，对于一些特殊的图像识别任务，可能需要同时获取其分类标签与分割区域。然而现有的方法将这两个任务单独进行处理，忽略了两个任务之间的相关性。此外，对于图像识别任务，卷积神经网络在提取抽象特征时，并未考虑到不同的像素点所产生的影响并不一致的特性，降低了学习的特征的有效性。针对本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n获取样本数据；/n根据所述样本数据，提取抽象特征；/n根据所述抽象特征，生成所述样本数据的概率分布信息；/n根据所述概率分布信息确定样本类别，并获取上采样特征；/n将所述上采样特征与所述分类概率分布信息进行融合，得到分类结果。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
获取样本数据；
根据所述样本数据，提取抽象特征；
根据所述抽象特征，生成所述样本数据的概率分布信息；
根据所述概率分布信息确定样本类别，并获取上采样特征；
将所述上采样特征与所述分类概率分布信息进行融合，得到分类结果。


2.根据权利要求1所述的方法，其特征在于，在所述获取样本数据之后，所述方法还包括：
将所述样本数据进行预处理，其中，所述预处理包括：尺寸处理、通道处理、归一化处理。


3.根据权利要求1所述的方法，其特征在于，所述概率分布信息包括：分类概率数据、区分性注意力机制数据。


4.根据权利要求3所述的方法，其特征在于，所述根据所述抽象特征，生成所述样本数据的概率分布信息包括：
通过分类器获取所述分类概率数据；
将所述分类概率数据进行上采样及归一化处理，得到所述区分性注意力机制数据。


5.一种图像分割系统，其特征在于，包括：
获取模块，用于获取样本数据；
提取模块，用于根据所述样本数据，提取抽象特征；
概率模块，用于根据所述抽象特征，生成所述样本数据的概率分布信息；...

【专利技术属性】
技术研发人员：李鹏，张凯，徐卿，袭肖明，
申请(专利权)人：广东众聚人工智能科技有限公司，
类型：发明
国别省市：广东;44