【技术实现步骤摘要】
图像语义分割方法、装置、设备和存储介质
[0001]本申请涉及数据处理
，尤其涉及一种图像语义分割方法、装置、设备和存储介质。
技术介绍
[0002]通常，语义分割是计算机视觉的基本任务之一，能够应用于多种领域，例如智慧农业、自动驾驶、疾病诊断等。
[0003]相关技术中，基于卷积神经网络的语义分割算法因预测精度高的特点受到越来越多的关注，然而当前的语义分割网络模型大多基于逐像素分类的方法实现，忽视了特征之间的相关性，进而缺乏对图像内容的理解，没有保证小物体和边界信息的准确识别，且存在参数量过大的缺陷，不适合应用在移动设备上。
技术实现思路
[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]本申请提出一种图像语义分割方法、装置、设备和存储介质，以实现通过像素感知和/或边界增强处理后生成目标特征向量进行分类处理获取语义分割结果，加强了对图像局部区域像素之间关联性学习与内容理解，保证小物体和边界信息的准确识别，提高图像语义分割结果的准确性，用于解决现有技术中图...
【技术保护点】
【技术特征摘要】
1.一种图像语义分割方法，其特征在于，包括：获取待分割图像；对所述待分割图像进行特征提取，获取多个基本特征向量；对所述多个基本特征向量进行像素感知和/或边界增强处理，以生成多个待处理特征向量；根据所述多个待处理特征向量生成目标特征向量；对所述目标特征向量进行分类处理，获取所述待分割图像的语义分割结果。2.如权利要求1所述的图像语义分割方法，其特征在于，所述对所述待分割图像进行特征提取，获取多个基本特征向量，包括：利用语义分割网络中的不同分辨率的多个卷积网络分别对所述待分割图像进行特征提取，获取所述多个基本特征向量。3.如权利要求1所述的图像语义分割方法，其特征在于，所述对所述多个基本特征向量进行像素感知和/或边界增强处理，以生成多个待处理特征向量，包括：利用语义分割网络中的像素感知网络和/或边界增强网络对所述多个基本特征向量进行像素感知和/或边界增强处理，以生成所述多个待处理特征向量。4.如权利要求3所述的图像语义分割方法，其特征在于，所述利用所述语义分割网络中的像素感知网络对所述多个基本特征向量进行像素感知处理，以生成多个待处理特征向量，包括：获取每个所述基本特征向量的第一基本特征子向量和第二基本特征子向量；根据所述第二基本特征子向量生成所述第二基本特征子向量对应的转置特征分量；根据所述第一基本特征子向量与所述第二基本特征子向量对应的转置特征分量生成所述每个基本特征向量对应的第一待加权特征向量；根据所述每个基本特征向量与对应的所述第一待加权特征向量生成所述多个待处理特征向量。5.如权利要求4所述的图像语义分割方法，其特征在于，所述获取每个所述基本特征向量的第一基本特征子向量和第二基本特征子向量，包括：利用第一分辨率的卷积网络对所述基本特征向量进行第N次卷积处理，获取第一基本特征子向量；利用第二分辨率的卷积网络对所述基本特征向量进行第M次卷积处理，获取第二基本特征子向量；其中，N和M为正整数。6.如权利要求3所述的图像语义分割方法，其特征在于，利用所述语义分割网络中的边界增强网络对所述多个基本特征向量进行边界增强处理，以生成多个待处理特征向量，包括：获取每个所述基本特征向量对应的转置特征向量；根据所述每个基本特征向量与对应的转置特征向量生成所述每个基本特征向量对应的第二待加权特征向量；根据所述每个基本特征向量与对应的第二待加权特征向量生成所述多个待处理特征向量。7.如权利要求1所述的图像语义分割方法，其特征在于，所述对所述目标特征向量进行
分类处理，获取所述待分割图像的语义分割结果，包括：利用所述语义分割网络中的分类网络对所述目标特征向量进行分类处理，获取所述待分割图像的语义分割结果。8.一种图像语义分割装置，其特征在于，包括：第一获取模块，用于获取待分割图像；第二获取模...
【专利技术属性】
技术研发人员：刘欢，朱翔宇，王军伟，吴荣彬，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：
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。