[发明专利]基于稀疏特征的深度学习图像分割方法及装置

权利要求书

1.一种基于稀疏特征的深度学习图像分割方法，其特征在于，包括以下步骤：

将带有分割标注信息的原始图像输入到待训练的图像分割神经网络，对所述原始图像进行特征提取获取目标特征图像，其中，所述目标特征图像的第二尺寸小于所述原始图像的第一尺寸；

获取与所述目标特征图像上每个分割目标点对应的坐标补偿信息；

根据所述目标特征图像上每个分割目标点的坐标信息和所述对应的坐标补偿信息，获取与所述原始图像对应的包含语义信息的分割结果，训练所述图像分割神经网络，当训练结束后获取所述图像分割神经网络的网络参数；

将待处理的目标图像输入到具有所述网络参数的图像分割神经网络，获取与所述目标图像对应的包含语义信息的分割结果；

所述根据所述目标特征图像上每个分割目标点的坐标信息和所述对应的坐标补偿信息，获取与所述原始图像对应的包含语义信息的分割结果，训练所述图像分割神经网络，当训练结束后获取所述图像分割神经网络的网络参数，包括：

根据目标特征图像上每个分割目标点的坐标信息以及每个分割特征点在预设缩小倍数下的坐标补偿值，确定出原始图像中与对应分割目标点坐标信息的目标坐标信息，以及获取原始图像中对应目标坐标信息对应的语义信息分割结果，根据目标特征图像上每个分割目标点对应的语义信息分割结果，与原始图像中相应坐标信息对应的语义信息分割结果对图像分割神经网络进行训练。

2.如权利要求1所述的方法，其特征在于，在对所述原始图像进行特征提取获取目标特征图像之前，还包括：

获取图像分割的场景特征信息；

根据所述场景特征信息确定所述目标特征图像的第二尺寸与所述原始图像的第一尺寸之间的比值。

3.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行特征提取获取目标特征图像，包括：

根据预设的下采样倍数对所述原始图像进行多层特征提取获取下采样特征图像；

根据预设的上采样倍数对所述下采样特征图像进行插值处理获取目标特征图像。

4.如权利要求1所述的方法，其特征在于，所述获取与所述目标特征图像上每个分割目标点对应的坐标补偿信息，包括：

根据所述原始图像的第一尺寸与所述目标特征图像的第二尺寸确定所述原始图像的缩小倍数；

根据所述原始图像中每个分割目标点的原始坐标信息和所述缩小倍数，确定每个分割目标点对应的坐标补偿信息。

5.如权利要求1所述的方法，其特征在于，所述根据所述目标特征图像上每个分割目标点的坐标信息和所述对应的坐标补偿信息，获取与所述原始图像对应的包含语义信息的分割结果，训练所述图像分割神经网络，包括：

根据所述原始图像的第一尺寸与所述目标特征图像的第二尺寸确定所述原始图像的缩小倍数；

将所述目标特征图像上每个分割目标点的坐标信息乘以所述缩小倍数获取第一回归坐标信息；

将所述第一回归坐标信息和所述对应的坐标补偿信息进行相加获取第二回归坐标信息；

确定与所述第二回归坐标信息对应的语义信息分割结果；

根据所述目标特征图像上每个分割目标点对应的语义信息分割结果，与所述原始图像中第二回归坐标信息对应的语义信息分割结果，对所述图像分割神经网络进行训练。