【技术实现步骤摘要】
图像分割及模型训练的方法、服务器
[0001]本申请涉及计算机技术，尤其涉及一种图像分割及模型训练的方法、服务器。
技术介绍
[0002]图像分割技术是将数字图像划分成互不相交的区域的过程，其主要目的是从一副图像中提取出感兴趣的部分，它是图像分析的关键步骤。超高分辨率图像分割是一个图像分割技术中的一个重要分支，在医疗影像、自动驾驶、遥感图像、航拍图像上均有广泛的应用。
[0003]由于超高分辨率图像的分辨率很高，通常图像宽度和高低达到数千甚至数万像素，因此对超高分辨率图像的分割计算对资源消耗过高。目前超高分辨率图像的分割方法一般采用多阶段处理方法，先将超高分辨率图像切分成多个较低分辨率的图像块，分别对各个图像块进行图像分割，再将图像分割结果拼接起来得到完整的图像分割结果。但是这种分割方法需要对各个图像块分别进行一次图像分割，消耗很多的计算资源，图像分割的效率很低。
技术实现思路
[0004]本申请提供一种图像分割及模型训练的方法、服务器，用以解决超高分辨率图像分割消耗计算资源多、效率低的问题。>[0005]第一方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：响应于图像分割请求，获取待处理的第一图像；通过轻量级语义分割编码网络提取所述第一图像的第一特征图，并对所述第一图像进行可逆降采样得到第二图像，将所述第二图像输入深度语义分割编码网络进行特征提取，得到第二特征图，对所述第二特征图进行所述可逆降采样的逆处理，得到第三特征图；将所述第一特征图和第三特征图融合后输入分割预测网络进行预测，得到图像分割结果，并输出所述图像分割结果。2.根据权利要求1所述的方法，其特征在于，所述对所述第一图像进行可逆降采样得到第二图像，包括：对所述第一图像进行至少一级可逆波形变换，得到多个子带图像；将所述多个子带图像融合，得到所述第二图像。3.根据权利要求2所述的方法，其特征在于，所述对所述第一图像进行至少一级可逆波形变换，得到多个子带图像；将所述多个子带图像融合，得到所述第二图像，包括：对所述第一图像进行可逆波形变换，得到多个一级子带图像；分别对所述一级子带图像进行第一卷积操作后，再次进行可逆波形变换，得到多个二级子带图像；将所述多个二级子带图像融合，得到所述第二图像。4.根据权利要求2所述的方法，其特征在于，所述对所述第二特征图进行所述可逆降采样的逆处理，得到第三特征图，包括：对所述第二特征图进行第二卷积操作，将所述第二特征图拆分为多个子带特征图；对所述第二特征图拆分成的多个子带特征图，进行至少一级所述可逆波形变换的逆变换，得到所述第三特征图。5.根据权利要求4所述的方法，其特征在于，所述对所述第二特征图拆分成的多个子带特征图，进行至少一级所述可逆波形变换的逆变换，得到所述第三特征图，包括：对所述第二特征图拆分成的多个子带特征图，进行两级所述可逆波形变换的逆变换，得到所述第三特征图。6.根据权利要求4所述的方法，其特征在于，所述对所述第一图像进行至少一级可逆波形变换，得到多个子带图像，包括：对所述第一图像进行至少一级离散小波变换，得到多个子带图像；相应地，所述对所述第二特征图拆分成的多个子带特征图，进行至少一级所述可逆波形变换的逆变换，得到所述第三特征图，包括：对所述第二特征图拆分成的多个子带特征图，进行至少一级离散小波逆变换，得到所述第三特征图。7.根据权利要求4所述的方法，其特征在于，所述对所述第一图像进行至少一级可逆波形变换，得到多个子带图像，包括：对所述第一图像进行至少一级轮廓波变换，得到多个子带图像；相应地，所述对所述第二特征图拆分成的多个子带特征图，进行至少一级所述可逆波形变换的逆变换，得到所述第三特征图，包括：对所述第二特征图拆分成的多个子带特征图，进行至少一级轮廓波逆变换，得到所述
第三特征图。8.根据权利要求1
‑
7中任一项所述的方法，其特征在于，所述通过轻量级语义分割编码网络提取所述第一图像的第一特征图，包括：将所述第一图像进行拉普拉斯金字塔分解，得到多个不同分辨率的频域分量；将所述多个不同分辨率的频域分量融合后，输入轻量级语...
【专利技术属性】
技术研发人员：纪德益，陶明渊，叶杰平，
申请(专利权)人：阿里云计算有限公司，
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。