本申请实施例公开了涂抹式图像分割方法包括：获取待分割图像，待分割图像被处理为包括不同尺度的尺度特征图；通过不同的集合模块将不同尺度的尺度特征图处理为不同的尺度集合特征图；通过聚合模块对不同的尺度集合特征图进行聚合，得到掩膜函数；通过掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图；将预测导向掩膜图和不同的最终预测掩膜图分别输入汇总模块，并得到不同的第一预测分割损失和第二预测分割损失；当不同的第一预测分割损失与第二预测分割损失之和满足预设条件时，根据预测导向掩膜图和不同的最终预测掩膜图得到目标掩膜图。相比于相关技术，能够有效压缩模型占用的空间，提高图像分割效率准确率。提高图像分割效率准确率。提高图像分割效率准确率。
【技术实现步骤摘要】
一种涂抹式图像分割方法、装置、电子设备及介质
[0001]本申请实施例涉及图像处理及分析
，具体而言，涉及涂抹式图像分割方法、装置、电子设备及介质。
技术介绍
[0002]如今人工智能技术爆炸式崛起，越来越趋于成熟，人工智能算法从细粒度的检测、识别、分割、生成到越来越专业高端功能的进化，这是一种趋势，面对越来越多的人工智能算法，将其组成变换又会产生新的算法和应用。
[0003]图像分割是一种十分关键的人工智能技术，其主要是把图像分成若干个特定的、具有特定属性的区域并提取感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。随着近些年深度学习技术的发展，主要的分割任务集中在全自动分割领域。然而在某些特定的任务下自动分割方法无法灵活实现用户需求(例如仅分割感兴趣的目标)，另外自动分割还存在目标区域分割不准确的情况。此时，通过以用户监督的方式来介入并矫正分割结果就非常有必要，交互式分割可以在自动分割不充分的情况下通过用户提供前景和背景的标记实现更加精细和特定位置的目标分割。
[0004]交互式视频分割就是由交互式图像分割算法和视频掩膜跟踪算法组合而成，以满足人们复杂多变的功能应用，具体而言，交互式视频分割包括涂抹交互式图像分割，例如，Scribble
‑
to
‑
掩膜，和点击式图像分割，例如，fBRS，RiTM和ClickSEG等。目前，交互式分割方法大多数集中在点击式交互分割的研究上，点击式追求以最少的交互量来快速实现目标区域的全局分割，因此，其牺牲了一部分精度。
[0005]涂抹式图像分割技术能够保证较高的分割精度，然而，相关技术中的涂抹式图像分割技术仍然存在模型架构复杂且体积大，在CPU上处理性能太慢的缺点，急需一种模型占用空间少、图像分割效率高且图像分割准确率高的高效图像分割模型。
技术实现思路
[0006]针对上述相关技术中存在的问题，本申请实施例提供了一种涂抹式图像分割方法，能够有效压缩模型占用的空间，提高图像分割效率，并确保图像分割的准确率较高。
[0007]第一方面，本申请实施例提供了一种涂抹式图像分割方法，可包括：
[0008]获取待分割图像，所述待分割图像被处理为包括不同尺度的尺度特征图；
[0009]通过不同的集合模块将所述不同尺度的尺度特征图处理为不同的尺度集合特征图；
[0010]通过聚合模块对所述不同的尺度集合特征图进行聚合，得到掩膜函数；
[0011]通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图；
[0012]将所述预测导向掩膜图和所述不同的最终预测掩膜图分别输入汇总模块，并得到不同的第一预测分割损失和第二预测分割损失；
[0013]当不同的所述第一预测分割损失与所述第二预测分割损失之和满足预设条件时，根据所述预测导向掩膜图和所述不同的最终预测掩膜图得到目标掩膜图。
[0014]进一步地，所述获取待分割图像，所述待分割图像被处理为包括不同尺度的尺度特征图，可包括：
[0015]所述待分割图像通过骨干网络被处理为包括第一尺度特征图、第二尺度特征图和第三尺度特征图。
[0016]进一步地，所述通过不同的集合模块将所述不同尺度的尺度特征图处理为不同的尺度集合特征图，可包括：
[0017]通过第一集合模块将所述第一尺度特征图处理为第一尺度集合特征图；
[0018]通过第二集合模块将所述第二尺度特征图处理为第二尺度集合特征图；
[0019]通过第三集合模块将所述第三尺度特征图处理为第三尺度集合特征图。
[0020]进一步地，在所述通过聚合模块对所述不同的尺度集合特征图进行聚合，得到掩膜函数的掩膜图以及预测导向掩膜图的步骤之前，所述方法还包括：
[0021]通过对掩膜函数进行第一预设采样，得到所述预测导向函数；
[0022]根据所述预测导向函数，得到所述预测导向掩膜图。
[0023]进一步地，所述通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图，可包括：
[0024]通过对掩膜函数进行第二预设采样，得到第一导向函数，根据第一导向函数，得到第一导向掩膜图；
[0025]将所述第三尺度集合特征图和所述第一导向掩膜图输入第一反向传播模块，得到第一预测反转导向掩膜图；
[0026]将所述第一预测反转导向掩膜图与所述第一导向掩膜图相加，得到第一预测掩膜特征图。
[0027]进一步地，所述通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图，可包括：
[0028]通过对第一预测掩膜特征图进行第三预设采样，得到第二导向函数，根据第二导向函数，得到第二导向掩膜图；
[0029]将所述第二尺度集合特征图和所述第二导向掩膜图输入第二反向传播模块，得到第二预测反转导向掩膜图；
[0030]将所述第二预测反转导向掩膜图与所述第二导向掩膜图相加，得到第二预测掩膜特征图。
[0031]进一步地，所述通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图，可包括：
[0032]通过对第二预测掩膜特征图进行第三预设采样，得到第三导向函数，根据第三导向函数，得到第三导向掩膜图；
[0033]将所述第一尺度集合特征图和所述第三导向掩膜图输入第三反向传播模块，得到第三预测反转导向掩膜图；
[0034]将所述第三预测反转导向掩膜图与所述第三导向掩膜图相加，得到第三预测掩膜特征图。
[0035]进一步地，所述通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图，可包括：
[0036]通过对第一预测掩膜特征图进行第一预设采样，得到第一最终预测掩膜图；
[0037]通过对第二预测掩膜特征图进行第四预设采样，得到第二最终预测掩膜图；
[0038]通过对第三预测掩膜特征图进行第五预设采样，得到第三最终预测掩膜图。
[0039]进一步地，所述将所述预测导向掩膜图和所述不同的最终预测掩膜图分别输入汇总模块，并得到不同的第一预测分割损失和第二预测分割损失，可包括：
[0040]所述预测导向掩膜图和所述不同的最终预测掩膜图被转换为分为第一模式图和第二模式图；
[0041]基于第一损失函数对第一模式图进行损失计算，得到所述第一分割损失；
[0042]基于第二损失函数对第二模式图进行损失计算，得到所述第二预测分割损失。
[0043]第二方面，本申请实施例还提供了一种涂抹式图像分割装置，可包括：
[0044]获取单元，用于获取待分割图像，所述待分割图像被处理为包括不同尺度的尺度特征图；
[0045]处理单元，用于：
[0046]通过不同的集合模块将所述不同尺度的尺度特征图处理为不同的尺度集合特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种涂抹式图像分割方法，其特征在于，包括：获取待分割图像，所述待分割图像被处理为包括不同尺度的尺度特征图；通过不同的集合模块将所述不同尺度的尺度特征图处理为不同的尺度集合特征图；通过聚合模块对所述不同的尺度集合特征图进行聚合，得到掩膜函数；通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图；将所述预测导向掩膜图和所述不同的最终预测掩膜图分别输入汇总模块，并得到不同的第一预测分割损失和第二预测分割损失；当不同的所述第一预测分割损失与所述第二预测分割损失之和满足预设条件时，根据所述预测导向掩膜图和所述不同的最终预测掩膜图得到目标掩膜图。2.根据权利要求1所述的方法，其特征在于，所述获取待分割图像，所述待分割图像被处理为包括不同尺度的尺度特征图，包括：所述待分割图像通过骨干网络被处理为包括第一尺度特征图、第二尺度特征图和第三尺度特征图。3.根据权利要求2所述的方法，其特征在于，所述通过不同的集合模块将所述不同尺度的尺度特征图处理为不同的尺度集合特征图，包括：通过第一集合模块将所述第一尺度特征图处理为第一尺度集合特征图；通过第二集合模块将所述第二尺度特征图处理为第二尺度集合特征图；通过第三集合模块将所述第三尺度特征图处理为第三尺度集合特征图。4.根据权利要求3所述的方法，其特征在于，在所述通过聚合模块对所述不同的尺度集合特征图进行聚合，得到掩膜函数的掩膜图以及预测导向掩膜图的步骤之前，所述方法还包括：通过对掩膜函数进行第一预设采样，得到所述预测导向函数；根据所述预测导向函数，得到所述预测导向掩膜图。5.根据权利要求3所述的方法，其特征在于，所述通过所述掩膜函数的掩膜图和预测导向掩膜图，并基于不同的反向传播模块，得到不同的最终预测掩膜图，包括：通过对掩膜函数进行第二预设采样，得到第一导向函数，根据第一导向函数，得到第一导向掩膜图；将所述第三尺度集合特征图和所述第一导向掩膜图输入第一反向传播模块，得到第一预测反转导向掩膜图；将所述第一预测反转导向掩膜图与所述第一导向掩膜图相加，得到第一预测掩膜特征图。6.根据权利...
【专利技术属性】
技术研发人员：焦小珍，
申请(专利权)人：深圳万兴软件有限公司，
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。