[发明专利]一种图像实例分割方法及装置

说明书

本发明提供一种图像实例分割方法及装置，包括：获得图像多个层次的特征图；将所述多个层次的特征图中的至少两个层次的特征图融合获得检测共享特征图；将所述检测共享特征图输入到目标检测子网络，得到目标区域，所述目标为所述图像中的物体；将所述检测共享特征图和所述多个层次的特征图中的至少一个层次的特征图融合获得分割共享特征图；在所述目标区域中根据所述分割共享特征图对图像进行分割，获得实例分割结果。本发明实施例提高了目标检测和目标分割时的特征共享，使得目标检测检测任务与分割任务之间的信息传播的更加充分，有助于提高实例分割的速度和精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像实例分割方法及装置。

背景技术

图像实例分割指的检测图像中的目标，并对所检测的目标进行分割的过程。现有图像实例分割的运算效率较低，例如，对于实时采集的视频图像进行图像实例分割时，为了确保显示效果，需要对实时采集的图像进行检测和分割，数据处理数量较多，需要较大的计算量。

发明内容

本发明实施例提供一种图像实例分割方法及装置，以解决图像实例分割在这些硬件水平相对较低的设备上的运行质量也相对较低的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种图像实例分割方法，包括以下步骤：

获得图像多个层次的特征图；

将所述多个层次的特征图中的至少两个层次的特征图融合获得检测共享特征图；

将所述检测共享特征图输入到目标检测子网络，得到目标区域，所述目标为所述图像中的物体；

将所述检测共享特征图和基准特征图融合获得分割共享特征图，其中，所述基准特征图为所述多个层次的特征图中的至少一个层次的特征图；

根据所述目标区域分割所述分割共享特征图获得实例分割结果。

可选的，所述获得图像多个层次的特征图，包括：

将所述图像输入主干网络，获得所述多个层次的特征图；

其中，所述主干网络包括：

主干模块，包括卷积层和下采样层，所述主干模块用于提取图像第一层次的特征图；

多个密集卷积模块，每一所述密集卷积模块包括稠密瓶颈层、卷积层和平均池化层，所述密集卷积模块用于提取图像第二层次的特征图和第三层次的特征图，其中，第一层次的特征图的复杂程度低于所述第二层次的特征图，所述第二层次的特征图的复杂程度低于所述第三层次的特征图；

分类模块，包括平均池化层和全连接层，用于在数据集上训练得到预训练模型。

可选的，所述多个层次的特征图包括顺次获得的五个层次的特征图，其中，后三个层次的特征图的尺寸相同；

将所述多个层次的特征图中的至少两个层次的特征图融合获得检测共享特征图，包括：

将所述多个层次的特征图中的后三个层次的特征图通过直连和卷积，得到所述检测共享特征图。

将所述检测共享特征图和基准特征图融合获得分割共享特征图，包括：

将所述检测共享特征图进行上采样后与基准特征图进行直连和卷积，得到分割共享特征图，其中，所述基准特征图为所述多个层次的特征图中的第二个层次的特征图。

可选的，所述目标检测子网络包括区域推荐网络、位置敏感的候选区域池化模块和区域分类与回归模块；

所述将所述检测共享特征图输入到目标检测子网络，得到目标区域，包括：