【技术实现步骤摘要】
图像语义分割方法、电子设备及存储介质
[0001]本申请涉及计算机
，尤其涉及一种图像语义分割方法、电子设备及存储介质。
技术介绍
[0002]近年来，以深度学习为中心的机器学习技术引起了人们的关注。比如，自动驾驶汽车已经逐渐成为可能，但在整个深度学习过程，需要算法识别和学习作为原始数据提供的图像，在这一过程中，应用到了语义分割技术。语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据(例如，平面图像)作为输入并将它们转换为具有突出显示的感兴趣区域的掩膜。利用卷积神经网络进行语义分割处理作为一种分割精度较高的方式而被广泛使用。但是，采用卷积神经网络进行语义分割处理时，图像中目标特征边缘位置的像素识别精度较低，容易存在误识别或错识别。
技术实现思路
[0003]为解决或部分解决相关技术中存在的问题，本申请提供一种图像语义分割方法、电子设备及存储介质，该图像语义分割方法、电子设备及存储介质能够加强图像中目标边缘的特征，提升对图像目标边缘的分割精度。
[0004]本申请第一方面提供一种图像语义分割
【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：基于图像获得RGB矩阵；采用预设手段对所述图像处理，得到灰度图像矩阵；将所述RGB矩阵与所述灰度图像矩阵按照预设规则合并得到目标矩阵集合；对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理，其中，语义分割时所述卷积神经网络的预设语义分割模型的输入矩阵为所述目标矩阵集合。2.根据权利要求1所述的方法，其特征在于，所述对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理，其中，语义分割时所述卷积神经网络的预设语义分割模型的输入矩阵为所述目标矩阵集合，包括：建立语义分割模型，其中，所述语义分割模型至少包括输入模块，将所述输入模块中的第一个卷积层的输入维度设置为4；基于所述语义分割模型对所述图像进行输入矩阵为所述目标矩阵集合的语义分割处理。3.根据权利要求1所述的方法，其特征在于，所述得到目标矩阵集合前，包括：分别对所述灰度图像矩阵、所述RGB矩阵进行归一化处理。4.根据权利要求3所述的方法，其特征在于，归一化处理后的所述灰度图像矩阵中每个元素值为0或1，所述RGB矩阵中每个元素值在[0,1]之间。5.根据权利要求3所述的方法，其特征在于，所述采用预设手段对所述图像处理，得到灰度图像矩阵，包括：将所述图像转化为灰度图；对所述灰度图进行二值化处理，获得二值化的灰度图像矩阵，其中二值化的所述灰度图像矩阵中的元素值为0或255。6.根据权利要求5所述的方法，...
【专利技术属性】
技术研发人员：罗壮，张雪，张海强，李成军，
申请(专利权)人：智道网联科技北京有限公司，
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。