一种高精图像的分割处理方法和装置制造方法及图纸

本发明专利技术实施例涉及一种高精图像的分割处理方法和装置，所述方法包括：获取高精图像作为对应的第一图像；将第一图像输入全景分割模型的主干网络进行特征提取生成对应的第一特征图；将第一特征图分别输入全景分割模型的实例分割头网络和语义分割头网络进行处理得到对应的第一实例分割图和第一语义分割图；将第一实例分割图和第一语义分割图输入全景分割模型的分割图融合模块进行处理生成对应的第一全景分割图；将第一图像、第一实例分割图、第一语义分割图和第一全景分割图组成对应的第一图像分割结果输出。通过本发明专利技术，可以降低计算量、缩短计算时长，提高全景分割的实时性。提高全景分割的实时性。提高全景分割的实时性。

【技术实现步骤摘要】
一种高精图像的分割处理方法和装置


[0001]本专利技术涉及数据处理
，特别涉及一种高精图像的分割处理方法和装置。

技术介绍

[0002]图像分割技术是自动驾驶技术的核心技术之一，目前常见的图像分割技术有两种：语义分割(semantic segmentation)技术和实例分割(instance segmentation)技术。语义分割技术可以为图像中各个前景、背景对象所在的像素点给出语义便签、但给不出实例ID标签，实例分割任务可以为图像中各个前景对象所在的像素点给出语义+实例ID标签、但不能为背景对象所在的像素点给出任何标签。如果自动驾驶的图像分割需求为实时全景分割需求：对拍摄图像进行实时分割且要对前景、背景像素点进行语义便签+实例ID标签标记，那么基于现有技术方案就只能同时或顺次调用两个模型(语义分割模型、实例分割模型)分别对图像进行处理，然后再将处理结果合并。这种处理方式的缺陷很明显：重复计算量大、耗时长，应用起来实时性很差。

技术实现思路

[0003]本专利技术的目的，就是针对现有技术的缺陷，提供一种高精图像的分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
的输入都与所述主干网络的所述残差模块A8的输出连接；所述卷积模块C1的卷积核大小为1
×
1，所述卷积模块C1的输出分别与所述卷积模块C6、所述级联模块和所述第二融合模块的输入连接；所述卷积模块C2的卷积核大小为5
×
5，所述卷积模块C2的输出与所述上采样模块S1的输入连接；所述上采样模块S1的输出与所述卷积模块C6的输入连接；所述卷积模块C6的卷积核大小为3
×
3，所述卷积模块C6的输出分别与所述卷积模块C7和所述级联模块的输入连接；所述卷积模块C3的卷积核大小为9
×
9，所述卷积模块C3的输出与所述上采样模块S2的输入连接；所述上采样模块S2的输出与所述卷积模块C7的输入连接；所述卷积模块C7的卷积核大小为3
×
3，所述卷积模块C7的输出分别与所述卷积模块C8和所述级联模块的输入连接；所述卷积模块C4的卷积核大小为17
×
17，所述卷积模块C4的输出与所述上采样模块S3的输入连接；所述上采样模块S3的输出与所述卷积模块C8的输入连接；所述卷积模块C8的卷积核大小为3
×
3，所述卷积模块C8的输出分别与所述卷积模块C9和所述级联模块的输入连接；所述卷积模块C5的卷积核大小为H
×
W，所述卷积模块C5的输出与所述上采样模块S4的输入连接；所述上采样模块S4的输出与所述卷积模块C9的输入连接；所述卷积模块C9的卷积核大小为3
×
3，所述卷积模块C9的输出与所述级联模块的输入连接；其中，H、W分别为预设的高度和宽度参数；所述级联模块的输出与所述卷积模块C
10
的输入连接；所述第二融合模块的输入分别与所述卷积模块C1和所述卷积模块C
10
的输出连接，所述第二融合模块的输出与所述主干网络的所述第一融合模块的输入连接。5.根据权利要求1所述的高精图像的分割处理方法，其特征在于，所述第一实例分割图和所述第一语义分割图的尺寸大小一致；所述第一实例分割图包括多个第一像素点；各个所述第一像素点包括一个第一分类标签和一个第一实例ID标签；所述第一像素点为实例分割图的前景像素点时，所述第一分类标签和所述第一实例ID标签均为正的有效值；所述第一像素点为实例分割图的背景像素点时，所述第一分类标签和所述第一实例ID标签均为负的无效值；所述第一实例ID标签为有效值时，默认从1开始计数；所述第一语义分割图包括多个第二像素点，各个所述第二像素点包括一个第二分类标签。6.根据权利要求5所述的高精图像的分割处理方法，其特征在于，所述将所述第一实例分割图和所述第一语义分割图输入所述全景分割模型的分割图融合模块进行处理生成对应的第一全景分割图，具体包括：初始化所述第...

【专利技术属性】
技术研发人员：吉治宇，杨晓东，
申请(专利权)人：苏州轻棹科技有限公司，
类型：发明
国别省市：