【技术实现步骤摘要】
本专利技术涉及图像分割，尤其涉及一种图像分割方法、装置、设备和存储介质。
技术介绍
1、当前，基于可见光成像的图像分割技术取得了深入研究，并广泛用于自动驾驶、视频监控等领域。然而，在一些极端成像条件下，仅使用可见光成像难以实现目标的可靠感知。由于热红外成像主要捕捉物体自身发出的热辐射，其对环境光照的变化不敏感，且具有较强的穿透能力，在环境昏暗和恶劣天气条件下仍具有良好的成像效果。因此，基于配对的可见光-红外（rgb-t：rgb-thermal）图像，研究多模态数据融合的图像语义分割技术，对于改进视觉感知算法在各种条件下的适应能力具有重要意义。
2、目前，现有rgb-t图像分割方法主要使用卷积网络提取rgb图像和红外图像的特征。然而，受限于有限的感受野尺寸，卷积网络在建模长距离上下文依赖方面能力有限。考虑到rgb-t图像中目标之间可能具有大范围的空间关联特性（例如同一条道路两端的汽车），建模目标的长距离依赖显得十分必要。
技术实现思路
1、本专利技术提供一种图像分割方法、装置、设备和存储介质，用以解决现有技术中图像分割中在建模长距离依赖方面的不足的缺陷。
2、本专利技术提供一种图像分割方法，所述方法包括：
3、获取配对的rgb图像和红外图像；
4、将所述rgb图像和所述红外图像输入至基于卷积多模态适配器的视觉变换器网络中，得到融合更新后的至少两个不同尺度的目标特征对；其中，各尺度的所述目标特征对中包括所述rgb图像对应的第一特征与所述红
5、将各尺度的所述目标特征对输入至基于交叉注意力的解码器网络中，得到目标图像分割结果；
6、其中，所述基于卷积多模态适配器的视觉变换器网络在提取所述rgb图像的特征与所述红外图像的特征的过程中，根据所述rgb图像的特征与所述红外图像的特征融合更新所述rgb图像的第一中间特征与所述红外图像的第二中间特征，以根据更新后的第一中间特征得到所述第一特征与根据更新后的第二中间特征得到所述第二特征；
7、其中，所述基于交叉注意力的解码器网络在对所述第一特征与所述第二特征的解码过程中，对所述第一特征与所述第二特征进行自适应融合，得到多模态特征；基于所述交叉注意力得到所述多模态特征对应的掩码图；通过级联方式融合至少两个所述掩码图，得到所述目标图像分割结果。
8、根据本专利技术提供的一种图像分割方法，所述基于卷积多模态适配器的视觉变换器网络包括第一视觉变换器、第二视觉变换器以及至少一个卷积多模态适配器；所述第一视觉变换器包括至少一个深度层级的第一变换器编码器块，所述第二视觉变换器包括至少一个深度层级的第二变换器编码器块，且每一对深度层级相同的所述第一变换器编码器块与所述第一变换器编码器块之间配置有一个所述卷积多模态适配器；所述方法还包括：
9、将rgb图像特征输入至所述第一视觉变换器，获取所述第一视觉变换器中的第一变换器编码器块输出第一中间特征；
10、将红外图像特征输入至所述第二视觉变换器，获取所述第二视觉变换器中的第二变换器编码器块输出第二中间特征；
11、基于所述卷积多模态适配器，融合所述第一中间特征与所述第二中间特征，得到所述第一中间特征对应的第一中间特征更新量与所述第二中间特征对应的第二中间特征更新量；
12、将所述第一中间特征更新量输入至所述第一视觉变换器中的第一变换器编码器块，以使所述第一视觉变换器中的第一变换器编码器块根据所述第一中间特征更新量输出所述第一特征；
13、将所述第二中间特征更新量输入至所述第二视觉变换器中的第二变换器编码器块，以使所述第二视觉变换器中的第二变换器编码器块根据所述第二中间特征更新量输出所述第二特征。
14、根据本专利技术提供的一种图像分割方法，所述第一中间特征与所述第二中间特征是通过以下方式得到的：
15、在所述第一视觉变换器中的第一变换器编码器块依次使用层归一化与多头自注意力对所述rgb图像特征进行变化，得到第一变化特征；
16、将所述第一变化特征与所述rgb图像特征通过残差连接，得到所述第一中间特征；
17、在所述第二视觉变换器中的第二变换器编码器块依次使用层归一化与多头自注意力对所述红外图像进行变化，得到第二变化特征；
18、将所述第二变化特征与所述红外图像特征通过残差连接，得到所述第二中间特征。
19、根据本专利技术提供的一种图像分割方法，所述对所述第一特征与所述第二特征进行自适应融合，得到多模态特征包括：
20、基于通道注意力获取所述第一特征与所述第二特征对应的门控值；
21、基于所述门控值对所述第二特征进行调制，并将调制后的第二特征与所述第一特征串联，得到初始融合特征；
22、依次对所述初始融合特征进行重塑、卷积、上采样及展平操作，得到多模态特征。
23、根据本专利技术提供的一种图像分割方法，所述基于通道注意力获取所述第一特征与所述第二特征对应的门控值，包括：
24、将所述第一特征与所述第二特征沿着通道维度进行拼接，得到拼接后特征；
25、将所述拼接后特征依次输入至第一全连接层、第一非线性激活层、第二全连接层与第二非线性激活层，得到门控值。
26、根据本专利技术提供的一种图像分割方法，所述基于所述交叉注意力得到所述多模态特征对应的掩码图，包括：
27、获取所述多模态特征对应的类别嵌入矩阵；
28、将所述多模态特征作为键向量和值向量，所述类别嵌入矩阵作为查询向量；
29、基于所述键向量、所述值向量与所述查询向量，应用于交叉注意力得到所述多模态特征对应的掩码图。
30、根据本专利技术提供的一种图像分割方法，所述至少两个所述掩码图包括尺度依次变大的第一尺度掩码图、第二尺度掩码图以及第三尺度掩码图；
31、所述通过级联方式融合至少两个所述掩码图，得到所述目标图像分割结果，包括：
32、将所述第一尺度掩码图依次进行重塑与转置卷积操作，得到第一目标结果；
33、将所述第二尺度掩码图进行重塑操作，得到第二目标结果；
34、将所述第三尺度掩码图进行重塑操作，得到第三目标结果；
35、对所述第一目标结果、所述第二目标结果以及所述第三目标结果进行求和，得到初始融合结果；
36、基于所述第三尺度掩码图对应的类别嵌入矩阵对所述初始融合结果进行线性变换后，依次对线性变化结果进行转置卷积与softmax函数处理，得到所述目标图像分割结果。
37、本专利技术还提供一种图像分割装置，所述装置包括：
38、第一图像分割模块，用于获取配对的rgb图像和红外图像；
39、第二图像分割模块，用于将所述rgb图像和所述红外图像输入至基于卷积多模态适配器的视觉变换器网络中，得到融合更新后的至少两个不同尺本文档来自技高网...
【技术保护点】
1.一种图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像分割方法，其特征在于，所述基于卷积多模态适配器的视觉变换器网络包括第一视觉变换器、第二视觉变换器以及至少一个卷积多模态适配器；所述第一视觉变换器包括至少一个深度层级的第一变换器编码器块，所述第二视觉变换器包括至少一个深度层级的第二变换器编码器块，且每一对深度层级相同的所述第一变换器编码器块与所述第一变换器编码器块之间配置有一个所述卷积多模态适配器；所述方法还包括：
3.根据权利要求2所述的图像分割方法，其特征在于，所述第一中间特征与所述第二中间特征是通过以下方式得到的：
4.根据权利要求1所述的图像分割方法，其特征在于，所述对所述第一特征与所述第二特征进行自适应融合，得到多模态特征包括：
5.根据权利要求4所述的图像分割方法，其特征在于，所述基于通道注意力获取所述第一特征与所述第二特征对应的门控值，包括：
6.根据权利要求1所述的图像分割方法，其特征在于，所述基于所述交叉注意力得到所述多模态特征对应的掩码图，包括：
7.根据权利要求
8.一种图像分割装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述图像分割方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述图像分割方法。
...【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像分割方法，其特征在于，所述基于卷积多模态适配器的视觉变换器网络包括第一视觉变换器、第二视觉变换器以及至少一个卷积多模态适配器；所述第一视觉变换器包括至少一个深度层级的第一变换器编码器块，所述第二视觉变换器包括至少一个深度层级的第二变换器编码器块，且每一对深度层级相同的所述第一变换器编码器块与所述第一变换器编码器块之间配置有一个所述卷积多模态适配器；所述方法还包括：
3.根据权利要求2所述的图像分割方法，其特征在于，所述第一中间特征与所述第二中间特征是通过以下方式得到的：
4.根据权利要求1所述的图像分割方法，其特征在于，所述对所述第一特征与所述第二特征进行自适应融合，得到多模态特征包括：
5.根据权利要求4所述的图像分割方法，其...
【专利技术属性】
技术研发人员：丁昆，张好剑，孟高峰，潘春洪，
申请(专利权)人：中国科学院自动化研究所，
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。