[发明专利]图像中像素的实例类别确定方法、装置、设备及存储介质

说明书

本申请公开了一种图像中像素的实例类别确定方法、装置、设备及存储介质，所述方法包括：获取待检测图像，所述待检测图像中包括目标数量的实例；对所述待检测图像进行下采样处理，得到共享特征；采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征；对所述共享特征进行实例分析处理，得到实例特征；所述实例特征包括所述待检测图像中每个像素的空间位置特征；将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征；根据所述待检测图像中每个像素的融合特征，确定所述待检测图像中每个像素的实例类别。采用本申请的技术方案，提高了确定像素的实例类别的准确率。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像中像素的实例类别确定方法、装置、设备及存储介质。

背景技术

基于卫星图像的建筑物检测业内做法多为双阶段的目标检测算法mask-rcnn系列，其第一阶段为目标实例位置框的粗略检测：将图片里正样本待检测物体进行粗略的定位和正负样本分类，得到一系列候选框位置(锚点框)，第二阶段为一个小型位置回归分类网络和语义分割网络：其中回归分类网络负责对正样本物体进行多类别的细分类和外接矩形框相对于锚点框的偏移量进行回归，语义分割网络负责像素级别单实例前背景分割。

现有技术以mask-rcnn为例，在密集村落，农村小房子检测任务上存在以下问题在：1.实例目标过小，对第一阶段的候选框设计和检测难度有非常大的影响，造成实例召回率低下的问题。2.产出结果的实例边缘往往不清晰，会造成检测出多个小面积压盖结果，造成准确率低下，不能达到应用标准。此外，很多图片中建筑实例过多(上千个)，前景像素特征可达100万条，聚类难度极大。往往同一图片中的建筑有很多相似性，相聚很远的实例不可能是同一实例，但纹理几乎一样，这会导致聚类出错。

因此，有必要提供一种图像中像素的实例类别确定方法、装置、设备及存储介质，以提高确定像素的实例类别的准确率，从而可以保证不同区域内实例不会聚类为一个类别，并加快了聚类的速度。

发明内容

本申请提供了一种图像中像素的实例类别确定方法、装置、设备及存储介质，可以提高确定像素的实例类别的准确率，从而可以保证不同区域内实例不会聚类为一个类别，并加快了聚类的速度。

一方面，本申请提供了一种图像中像素的实例类别确定方法，所述方法包括：

获取待检测图像，所述待检测图像中包括目标数量的实例；

对所述待检测图像进行下采样处理，得到共享特征；

采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征；

对所述共享特征进行实例分析处理，得到实例特征；所述实例特征包括所述待检测图像中每个像素的空间位置特征；

将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征；

根据所述待检测图像中每个像素的融合特征，确定所述待检测图像中每个像素的实例类别。

另一方面提供了一种图像中像素的实例类别确定装置，所述装置包括：

图像获取模块，用于获取待检测图像，所述待检测图像中包括目标数量的实例；

共享特征确定模块，用于对所述待检测图像进行下采样处理，得到共享特征；

语义特征确定模块，用于采用连通域分区域聚类方法对所述共享特征进行语义分割处理，得到语义特征；

实例特征确定模块，用于对所述共享特征进行实例分析处理，得到实例特征；所述实例特征包括所述待检测图像中每个像素的空间位置特征；

融合特征确定模块，用于将所述语义特征与所述实例特征进行融合，确定所述待检测图像中每个像素的融合特征；