一种用于小尺度相似结构的语义分割方法及系统技术方案

本发明专利技术公开了一种用于小尺度相似结构的语义分割方法及系统，涉及神经网络技术领域。该方法包括：获取待分割图像的步骤；将待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤；根据关键点对分割结果进行处理的步骤。本发明专利技术适用于小尺度相似结构的语义分割，通过根据小尺度相似结构影像的特点设计特征提取网络结构，对小尺度相似结构进行区域分割和关键点提取，充分利用了影像信息和关键点信息，从而提高分割精度。从而提高分割精度。从而提高分割精度。

【技术实现步骤摘要】
一种用于小尺度相似结构的语义分割方法及系统


[0001]本专利技术涉及神经网络
，尤其涉及一种用于小尺度相似结构的语义分割方法及系统。

技术介绍

[0002]深度学习网络在各个领域的应用越来越多，目前，可以使用深度学习网络实现图像检测、参数预测、图像识别等目的，这些都基于语义分割实现。
[0003]然而，对于小尺度且结构较为相似的结构，现有的语义分割方法没有考虑其结构特点，分割准确率不高，常容易将非目标的对象进行区域分割，容易出现误判，导致影响后续的功能实现。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种用于小尺度相似结构的语义分割方法及系统。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]一种用于小尺度相似结构的语义分割方法，包括：
[0007]获取待分割图像的步骤；
[0008]将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤；
[0009]根据所述关键点对所述分割结果进行处理的步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于小尺度相似结构的语义分割方法，其特征在于，包括：获取待分割图像的步骤；将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤；根据所述关键点对所述分割结果进行处理的步骤。2.根据权利要求1所述的用于小尺度相似结构的语义分割方法，其特征在于，将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤，具体包括：将所述待分割图像输入到卷积神经网络中，通过卷积层对所述待分割图像进行特征提取；将提取到的特征分成两路，一路通过下采样层进行下采样处理，得到浅层语义特征，另一路通过卷积层进行不同尺度的空洞卷积处理，得到深层语义特征；将所述深层语义特征经上采样处理后与所述浅层语义特征结合，得到结合特征；通过卷积层对所述结合特征进行细化处理，通过上采样层对细化后的结合特征进行上采样处理，得到包含小尺度相似结构分割区域的特征图和关键点的特征图。3.根据权利要求2所述的用于小尺度相似结构的语义分割方法，其特征在于，将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤之前，还包括：对所述卷积神经网络进行多任务训练，同时对区域分割和关键点检测进行训练的步骤。4.根据权利要求2所述的用于小尺度相似结构的语义分割方法，其特征在于，根据所述关键点对所述分割结果进行处理的步骤，具体包括：将所述分割区域的特征图和所述关键点的特征图进行对比，将包含所述关键点的分割区域作为最终的分割结果。5.根据权利要求1至4中任一项所述的用于小尺度相似结构的语义分割方法，其特征在于，将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤之前，还包括：对所述待分割图像中的小尺度相似结构进行检测的步骤。6.一...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，刘贞强，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：