可通行水域分割设备、图像分割模型训练和图像分割方法技术

一种可通行水域分割设备、图像分割模型训练和图像分割方法，通过获取待分割图像，将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果；图像分割模型包括：编码器和解码器；将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果，包括：通过编码器对待分割图像进行特征提取，得到关联特征图，特征提取包括：N次下采样处理；通过解码器对关联特征图进行分辨率还原和像素类别的预测，得到待分割图像的分割结果，分辨率还原包括M次上采样处理，M小于N；待分割图像的分割结果的尺寸与待分割图像的尺寸相同，待分割图像的分割结果包括与分割结果的像素点位置对应的待分割图像中的像素点的类别。点位置对应的待分割图像中的像素点的类别。点位置对应的待分割图像中的像素点的类别。

【技术实现步骤摘要】
可通行水域分割设备、图像分割模型训练和图像分割方法


[0001]本专利技术涉及图像处理
，具体涉及可通行水域分割设备、图像分割模型训练和图像分割方法。

技术介绍

[0002]图像分割，也就是将图像中的每个像素点进行语义分类，目前得到了广泛的应用。例如，在水面导航领域，水面艇获取水路图像，对水路图像进行图像分割，将水路图像中的水和非水部分进行区分，从而可以为无人水面艇提供安全的可通行区域，也为其航路规划、目标检测和避障提供重要的参考信息。
[0003]现有的图像分割方法，以编码器和解码器的网络结构为框架，对图像中的每个像素点进行分类，从而得到分割结果。
[0004]然而，现有的图像分割方法计算量较大，分割效率较低。

技术实现思路

[0005]本专利技术主要解决的技术问题是图像分割的计算量较大，分割效率较低。为解决上述技术问题，本专利技术提供一种可通行水域分割设备、图像分割模型训练和图像分割方法。
[0006]第一方面，一种实施例中提供一种可通行水域分割设备，包括：摄像头，用于获取待分割的水路图像；处理器，用于将所述待分割的水路图像输入到图像分割模型中进行处理，得到所述待分割的水路图像的分割结果；其中，所述图像分割模型包括：编码器和解码器，所述编码器包括卷积神经网络层和上下文先验层；所述将所述待分割的水路图像输入到图像分割模型中进行处理，包括：通过所述编码器的卷积神经网络层对所述待分割的水路图像进行特征提取，得到深度特征图；所述特征提取包括：N次下采样处理，N为大于1的整数；通过所述编码器的上下文先验层对所述深度特征图进行上下文聚合处理，得到关联特征图；通过所述解码器对所述关联特征图进行分辨率还原和像素类别的预测，得到所述待分割的水路图像的分割结果；所述通过所述解码器对所述关联特征图进行分辨率还原包括：对所述关联特征图进行M1次上采样处理，得到第一特征图；将所述第一特征图和中间特征图进行通道融合，得到第二特征图，所述中间特征图是所述编码器在下采样过程中的中间输出的与所述第一特征图的尺寸相同的特征图；对所述第二特征图进行M2次上采样，得到所述待分割的水路图像的分割结果，M1与M2之和等于M，且M为大于等于1的整数，M小于N；其中，所述待分割的水路图像的分割结果包括：与所述分割结果的像素点位置对应的所述待分割的水路图像中的像素点的类别，所述类别包括水类别和非水类别。
[0007]第二方面，一种实施例中提供一种图像分割方法,包括：获取待分割图像；
将所述待分割图像输入到图像分割模型中进行处理，得到所述待分割图像的分割结果；其中，所述图像分割模型包括：编码器和解码器；所述将所述待分割图像输入到图像分割模型中进行处理，得到所述待分割图像的分割结果，包括：通过所述编码器对所述待分割图像进行特征提取，得到关联特征图，所述特征提取包括：N次下采样处理，N为大于1的整数；通过所述解码器对所述关联特征图进行分辨率还原和像素类别的预测，得到所述待分割图像的分割结果，所述分辨率还原包括M次上采样处理，M为大于等于1的整数，M小于N；所述待分割图像的分割结果的尺寸与所述待分割图像的尺寸相同，所述待分割图像的分割结果包括：与所述分割结果的像素点位置对应的所述待分割图像中的像素点的类别，所述类别包括目标类别和非目标类别。
[0008]第三方面，一种实施例中提供一种图像分割模型训练方法，所述图像分割模型包括：编码器和解码器；所述方法包括：获取目标样本图像；获取所述目标样本图像对应的标签图像，所述标签图像为目标样本图像上每个像素点标注分类结果的图像；将所述目标样本图像输入到图像分割模型，以对所述图像分割模型进行训练；所述将所述目标样本图像输入到图像分割模型，以对所述图像分割模型进行训练，包括：通过编码器对目标样本图像进行特征提取，得到所述目标样本图像的关联特征图，所述特征提取包括N次下采样处理，N为大于1的整数；通过所述解码器对所述关联特征图进行分辨率还原和像素类别的预测，得到所述目标样本图像的分割结果，所述分辨率还原包括M次上采样处理，M为大于等于1的整数，M小于N；所述目标样本图像的分割结果的尺寸与所述目标样本图像的尺寸相同，所述目标样本图像的分割结果中的每个像素点用于指示与其位置对应的所述目标样本图像的像素点的类别；根据所述目标样本图像的分割结果和所述目标样本图像对应的标签图像，确定所述目标样本图像的主分割损失；根据所述主分割损失调整所述图像分割模型的参数，直到所述图像分割模型收敛，得到训练完成的图像分割模型。
[0009]第四方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述第一方面
‑
第三方面中任一项所述的方法。
[0010]依据上述实施例的可通行水域分割设备、图像分割模型训练和图像分割方法，通过获取待分割图像，将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果；其中，图像分割模型包括：编码器和解码器；将待分割图像输入到图像分割模型中进行处理，得到待分割图像的分割结果，包括：通过编码器对待分割图像进行特征提取，得到关联特征图，特征提取包括：N次下采样处理，N为大于1的整数；通过解码器对关联特征图进行分辨率还原和像素类别的预测，得到待分割图像的分割结果，分辨率还原包括M次上采样处理，M为大于等于1的整数，M小于N；待分割图像的分割结果的尺寸与待分割图像的尺寸相同，待分割图像的分割结果包括：与分割结果的像素点位置对应的待分割图像中的像素点的类别，类别包括目标类别和非目标类别。由于图像分割模型引入了解码器结构，解码器
结构能起到细节补偿的作用，使得分割结果更准确。另外，解码器进行上采样处理的次数小于编码器进行下采样处理的次数，图像分割的计算量较小，提高了分割效率。
附图说明
[0011]图1为本专利技术实施例提供的一种实施例的图像分割方法的流程示意图；图2为本专利技术实施例提供的一种上下文先验层结构示意图；图3为本专利技术实施例提供的一种图像分割模型训练方法的流程示意图；图4为本专利技术实施例提供的另一种图像分割模型训练方法的流程示意图；图5为本专利技术实施例提供的一种理想亲和力图的构造原理示意图；图6为本专利技术实施例提供的另一种理想亲和力图的构造原理示意图；图7为本专利技术实施例提供的一种图像分割模型的原理示意图；图8为本专利技术实施例提供的一种可通行水域分割设备的结构示意图。
具体实施方式
[0012]下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可通行水域分割设备，其特征在于，包括：摄像头，用于获取待分割的水路图像；处理器，用于将所述待分割的水路图像输入到图像分割模型中进行处理，得到所述待分割的水路图像的分割结果；其中，所述图像分割模型包括：编码器和解码器，所述编码器包括卷积神经网络层和上下文先验层；所述将所述待分割的水路图像输入到图像分割模型中进行处理，包括：通过所述编码器的卷积神经网络层对所述待分割的水路图像进行特征提取，得到深度特征图；所述特征提取包括：N次下采样处理，N为大于1的整数；通过所述编码器的上下文先验层对所述深度特征图进行上下文聚合处理，得到关联特征图；通过所述解码器对所述关联特征图进行分辨率还原和像素类别的预测，得到所述待分割的水路图像的分割结果；所述通过所述解码器对所述关联特征图进行分辨率还原包括：对所述关联特征图进行M1次上采样处理，得到第一特征图；将所述第一特征图和中间特征图进行通道融合，得到第二特征图，所述中间特征图是所述编码器在下采样过程中的中间输出的与所述第一特征图的尺寸相同的特征图；对所述第二特征图进行M2次上采样，得到所述待分割的水路图像的分割结果，M1与M2之和等于M，且M为大于等于1的整数，M小于N；其中，所述待分割的水路图像的分割结果包括：与所述分割结果的像素点位置对应的所述待分割的水路图像中的像素点的类别，所述类别包括水类别和非水类别。2.一种图像分割方法,其特征在于，包括：获取待分割图像；将所述待分割图像输入到图像分割模型中进行处理，得到所述待分割图像的分割结果；其中，所述图像分割模型包括：编码器和解码器；所述将所述待分割图像输入到图像分割模型中进行处理，得到所述待分割图像的分割结果，包括：通过所述编码器对所述待分割图像进行特征提取，得到关联特征图，所述特征提取包括：N次下采样处理，N为大于1的整数；通过所述解码器对所述关联特征图进行分辨率还原和像素类别的预测，得到所述待分割图像的分割结果，所述分辨率还原包括M次上采样处理，M为大于等于1的整数，M小于N；所述待分割图像的分割结果的尺寸与所述待分割图像的尺寸相同，所述待分割图像的分割结果包括：与所述分割结果的像素点位置对应的所述待分割图像中的像素点的类别，所述类别包括目标类别和非目标类别。3.如权利要求2所述的方法，其特征在于，所述对所述关联特征图进行分辨率还原和像素类别的预测，得到所述待分割图像的分割结果，包括：对所述关联特征图进行M1次上采样处理，得到第一特征图，M1为大于等于1的整数；将所述第一特征图和中间特征图进行通道融合，得到第二特征图，所述中间特征图是所述编码器在下采样过程中的中间输出的与所述第一特征图的尺寸相同的特征图；对第二特征图进行M2次上采样，得到所述待分割图像的分割结果，M2为大于等于1的整数，M1与M2之和等于M。4.如权利要求2所述的方法，其特征在于，所述编码器包括卷积神经网络层和上下文先验层，所述对所述待分割图像进行特征提取，得到关联特征图，包括：
通过所述卷积神经网络层对所述待分割图像进行N次下采样处理，得到深度特征图；通过所述上下文先验层对所述深度特征图进行上下文聚合处理，得到关联特征图。5.如权利要求2或3中任一项所述的方法，其特征在于，所述图像分割模型通过以下方式被建立：获取目标样本图像；获取所述目标样本图像对应的标签图像，所述标签图...

【专利技术属性】
技术研发人员：汪洋，周润东，高玉龙，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：