图像语义分割方法、电子设备及存储介质技术

本申请提供一种图像语义分割方法、电子设备及存储介质。方法包括：将待测图像输入经过训练的语义分割模型；通过语义分割模型中的主干网络，对待测图像进行特征提取，得到第一特征集合，主干网络包括Conv模块、C3模块及SPPF模块；将第一特征集合输入语义分割模型中的Hamburger Head模块，得到第二特征集合；将第二特征集合输入检测头，得到检测结果。如此，基于轻量化的主干网络并结合Hamburger Head模块的注意力机制，使得语义分割模型在拥有一定精度的同时，可以实现轻量化语义分割，从而有利于降低模型在进行语义分割时的运算量，提升运算效率。运算效率。运算效率。

【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]本专利技术涉及计算机视觉
，具体而言，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]语义分割作为是机器人环境感知的重要方式之一。当前对于语义分割的研究重点在于提升语义分割的精度，但是在应用于移动机器人这类计算能力有限的领域时，当前的热门语义分割模型(如SegFormer、MaskFormer等)普遍存在运算量过大导致的时效性不佳的问题。比如，在移动机器人领域中，算法的运行速度和时效性是与算法精度同等重要的大事。若仅仅拥有算法精度，但算法时效性差，会使移动机器人的作业移动有停滞感，甚至危害移动机器人的自身安全。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种图像语义分割方法、电子设备及存储介质，能够改善在图像语义分割过程中运算量过大的问题。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种图像语义分割方法，所述方法包括：
[0006]获取待测图像；...

【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，所述方法包括：获取待测图像；将所述待测图像输入经过训练的语义分割模型；通过所述语义分割模型中的主干网络，对所述待测图像进行特征提取，得到第一特征集合，其中，所述主干网络包括Conv模块、C3模块及SPPF模块；将所述第一特征集合输入所述语义分割模型中的Hamburger Head模块，得到第二特征集合；将所述第二特征集合输入检测头，得到检测结果，所述检测结果包括所述待测图像中是否存在目标的结果以及在存在所述目标时与所述目标对应的标记。2.根据权利要求1所述的方法，其特征在于，获取待测图像，包括：通过摄像头拍摄环境得到所述待测图像。3.根据权利要求1所述的方法，其特征在于，在将所述待测图像输入经过训练的语义分割模型之前，所述方法还包括：基于Conv模块、C3模块及SPPF模块，创建所述主干网络，其中，所述主干网络包括依次串接的第一Conv模块、第二Conv模块、两个第一C3模块、第三Conv模块、四个第二C3模块、第四Conv模块、六个第三C3模块、第五Conv模块、两个第四C3模块及SPPF模块，所述第一Conv模块作为所述主干网络的输入端，所述主干网络的输出端包括所述第二C3模块、所述第三C3模块及SPPF模块。4.根据权利要求3所述的方法，其特征在于，通过所述语义分割模型中的主干网络，对所述待测图像进行特征提取，得到第一特征集合，包括：通过所述主干网络中的所述第一Conv模块、所述第二Conv模块、所述两个第一C3模块、所述第三Conv模块及所述四个第二C3模块，对所述待测图像进行特征提取，得到第一阶段特征；通过所述主干网络中的所述第四Conv模块和所述六个第三C3模块，对所述第一阶段特征进行特征提取，得到第二阶段特征；通过所述主干网络中的第五Conv模块、两个第四C3模块及SPPF模块，对所述第二阶段特征进行特征提取，得到第三阶段特征；将所述第一阶段特征、所述第二阶段特征及第三阶段特征作为所述第一特征集合。5.根据权利要求...

【专利技术属性】
技术研发人员：秦宗琛，巫延江，戴亦军，苏晓杰，喻杜峰，王楷，孙少欣，
申请(专利权)人：重庆大学，
类型：发明
国别省市：