图像分割方法、训练方法、装置、电子设备以及存储介质制造方法及图纸

本公开提供了一种图像分割方法、训练方法、装置、电子设备以及存储介质，涉及涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术。具体实现方案为：对待分割道路图像的待分割道路图像数据进行特征提取，得到共用特征图；基于共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到车道线分割结果、路面环境分割结果和路面障碍物分割结果；以及，根据车道线分割结果、路面环境分割结果和路面障碍物分割结果，得到针对待分割道路图像的分割结果。的分割结果。的分割结果。

【技术实现步骤摘要】
图像分割方法、训练方法、装置、电子设备以及存储介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉和深度学习技术。具体地，涉及一种图像分割方法、训练方法、装置、电子设备以及存储介质。

技术介绍

[0002]机动车在行驶过程中，可以对路况场景进行分析，以便能够根据分析结果及时调整车辆的行驶路径，实现更为安全和高效的驾驶。随着人工智能技术的发展，可以基于深度学习和计算机视觉技术对道路图像进行图像分割，实现对路况场景的分析。

技术实现思路

[0003]本公开提供了一种图像分割方法、训练方法、装置、电子设备以及存储介质。
[0004]根据本公开的一方面，提供了一种图像分割方法，包括：对待分割道路图像的待分割道路图像数据进行特征提取，得到共用特征图；基于上述共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到车道线分割结果、路面环境分割结果和路面障碍物分割结果；以及，根据上述车道线分割结果、上述路面环境分割结果和上述路面障碍物分割结果，得到针对上述待分割道路图像的分割结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，包括：对待分割道路图像的待分割道路图像数据进行特征提取，得到共用特征图；基于所述共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到车道线分割结果、路面环境分割结果和路面障碍物分割结果；以及根据所述车道线分割结果、所述路面环境分割结果和所述路面障碍物分割结果，得到针对所述待分割道路图像的分割结果。2.根据权利要求1所述的方法，其中，所述基于所述共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到车道线分割结果、路面环境分割结果和路面障碍物分割结果，包括：基于所述共用特征图，得到与所述车道线相关的第一语义分割结果和第一像素特征表征；根据所述第一语义分割结果和所述第一像素特征表征，得到所述车道线分割结果；基于所述共用特征图，得到与所述路面环境相关的第二语义分割结果和第二像素特征表征；根据所述第二语义分割结果和所述第二像素特征表征，得到所述路面环境分割结果；基于所述共用特征图，得到与所述路面障碍物相关的第三语义分割结果和第三像素特征表征；以及根据所述第三语义分割结果和所述第三像素特征表征，得到所述路面障碍物分割结果。3.根据权利要求2所述的方法，其中，所述根据所述第一语义分割结果和所述第一像素特征表征，得到所述车道线分割结果，包括：根据所述第一语义分割结果和所述第一像素特征表征，得到第一对象区域特征表征；确定所述第一语义分割结果和所述第一对象区域特征表征之间的第一关系矩阵；根据所述第一关系矩阵和所述第一对象区域特征表征，得到第一对象上下文特征表征；将所述第一像素特征表征和所述第一对象上下文特征表征进行拼接，得到第一对象增强上下文特征表征；以及将所述第一对象增强上下文特征表征确定为所述车道线分割结果。4.根据权利要求2或3所述的方法，其中，所述根据所述第二语义分割结果和所述第二像素特征表征，得到所述路面环境分割结果，包括：根据所述第二语义分割结果和所述第二像素特征表征，得到第二对象区域特征表征；确定所述第二语义分割结果和所述第二对象区域特征表征之间的第二关系矩阵；根据所述第二关系矩阵和所述第二对象区域特征表征，得到第二对象上下文特征表征；将所述第二像素特征表征和所述第二对象上下文特征表征进行拼接，得到第二对象增强上下文特征表征；以及将所述第二对象增强上下文特征表征确定为所述路面环境分割结果。5.根据权利要求2～4中任一项所述的方法，其中，所述根据所述第三语义分割结果和
所述第三像素特征表征，得到所述路面障碍物分割结果，包括：根据所述第三语义分割结果和所述第三像素特征表征，得到第三对象区域特征表征；确定所述第三语义分割结果和所述第三对象区域特征表征之间的第三关系矩阵；根据所述第三关系矩阵和所述第三对象区域特征表征，得到第三对象上下文特征表征；将所述第三像素特征表征和所述第三对象上下文特征表征进行拼接，得到第三对象增强上下文特征表征；以及将所述第三对象增强上下文特征表征确定为所述路面障碍物分割结果。6.根据权利要求1～5中任一项所述的方法，其中，所述共用特征图是利用图像分割模型包括的主干网络处理所述待分割道路图像数据得到的；其中，所述车道线分割结果是利用所述图像分割模型包括的车道线分支网络处理所述共用特征图得到的；其中，所述路面环境分割结果是利用所述图像分割模型包括的路面环境分支网络处理所述共用特征图得到的；其中，所述路面障碍物分割结果是利用所述图像分割模型包括的障碍物分支网络处理所述共用特征图得到的。7.一种图像分割模型的训练方法，包括：对样本道路图像的样本道路图像数据进行特征提取，得到样本共用特征图；基于所述样本共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到样本车道线分割结果、样本路面环境分割结果和样本路面障碍物分割结果；以及利用与所述样本道路图像对应的分割标签、所述样本车道线分割结果、所述样本路面环境分割结果和所述样本路面障碍物分割结果训练预设模型，得到所述图像分割模型。8.根据权利要求7所述的方法，其中，所述预设模型包括主干网络；所述对样本道路图像的样本道路图像数据进行特征提取，得到样本共用特征图，包括：利用所述主干网络处理所述样本道路图像的样本道路图像数据，得到所述样本共用特征图。9.根据权利要求7或8所述的方法，其中，所述预设模型包括车道线分支网络、路面环境分支网络和路面障碍物分支网络；所述基于所述样本共用特征图，分别进行与车道线相关的语义分割、与路面环境相关的语义分割和与路面障碍物相关的语义分割，得到样本车道线分割结果、样本路面环境分割结果和样本路面障碍物分割结果，包括：利用所述车道线分支网络处理所述样本共用特征图，得到所述样本车道线分割结果；利用所述路面环境分支网络处理所述样本共用特征图，得到所述样本路面环境分割结果；以及利用所述路面障碍物分支网络处理所述样本共用特征图，得到所述路面障碍物分割结果。10.根据权利要求7～9中任一项所述的方法，其中，与所述样本道路图像对应的分割标签包括与所述样本道路图像中的车道线对应的第一分割标签、与所述样本道路图像中的路
面环境对应的第二分割标签和与所述样本道路图像中的障碍物对应的第三分割标签；所述利用与所述样本道路图像对应的分割标签、所述样本车道线分割结果、所述样本路面环境分割结果和所述样本路面障碍物分割结果训练预设模型，得到所述图像分割模型，包括：基于集合相似度损失函数，根据所述第一分割标签和所述样本车道线分割结果，得到第一输出值；基于所述集合相似度损失函数，根据所述第二分割标签和所述路面环境分割结果，得到第二输出值；基于所述集合相似度损失函数，根据所述第三分割标签和所述路面障碍物分割结果，得到第三输出值；基于交叉熵损失函数，根据所...

【专利技术属性】
技术研发人员：何悦，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：