[发明专利]图像分割方法、装置、设备及介质

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括：

获取输入图像的评分映射，所述评分映射是基于所述输入图像中像素点的空间信息所获得的分割结果；

对所述评分映射进行指数归一化，获得所述输入图像的语义掩层，所述语义掩层是基于语义所分割获得的掩层；

基于所述语义掩层中的像素点的标签值，生成所述输入图像的空域自适应掩层，所述标签值用于表示所述像素点的语义特征，所述空域自适应掩层是对所述语义掩层进行校正所获得的掩层；

基于所述空域自适应掩层，获得所述输入图像的所述分割校正结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述语义掩层中像素点的标签值，生成所述输入图像的空域自适应掩层，包括：

获取所述语义掩层中目标像素点的邻域像素点的像素值和标签值，所述目标像素点为所述语义掩层中位于分割区域边缘的像素点；

基于所述邻域像素点的像素值和标签值，迭代计算所述目标像素点的标签值；

基于迭代后的所述目标像素点的标签值，替换所述目标像素点的标签值，获得所述空域自适应掩层。

3.根据权利要求2所述的方法，其特征在于，所述基于所述邻域像素点的像素值和标签值，迭代计算所述目标像素点的标签值，包括：

基于所述邻域像素点的像素值，计算所述邻域像素点的权重值；

基于所述邻域像素点的权重值和所述邻域像素点的标签值，加权计算所述目标像素点的标签值；

重复上述两个步骤，直至满足迭代完成条件，获得所述目标像素点的标签值。

4.根据权利要求1至3任一所述的方法，其特征在于，所述获取所述输入图像的评分映射，包括：

将所述输入图像输入到全卷积子网络中，输出所述输入图像的所述评分映射。

5.根据权利要求4所述的方法，其特征在于，所述全卷积子网络包括至少i层网络结构，第m+1层网络结构的输入是由第m层网络结构的特征和第n层网络结构的对应特征线性融合且非线性激活后获得的，所述第n层网络结构的特征是随机获得的，其中，m，n，i均为正整数，nmm+1i。

6.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：

通过图像修正子网络对所述评分映射进行指数归一化，获得所述输入图像的语义掩层；

基于所述语义掩层中的像素点的标签值，通过所述图像修正子网络生成所述输入图像的空域自适应掩层；

基于所述空域自适应掩层，通过所述图像修正子网络获得所述输入图像的所述分割校正结果。

7.根据权利要求6所述的方法，其特征在于，所述图像修正子网络由以下步骤训练获得；

获取图像训练集，所述图像训练集包括训练样本和所述训练样本对应的真实标注；

将所述训练样本输入到全卷积子网络中；

将所述全卷积子网络输出的所述训练样本的评分映射输入到所述图像修正子网络；

基于所述图像修正子网络的输出结果和所述真实标注，通过损失函数，对所述图像修正子网络进行训练。

8.根据权利要求7所述的方法，其特征在于，所述基于所述图像修正子网络的输出结果和所述真实标注，通过损失函数计算误差，对所述图像修正子网络进行训练，包括：

获取所述训练样本的全局权重池和惩罚函数；

基于所述全局权重池和所述惩罚函数的和，获得所述训练样本的分类得分；

基于所述分类得分，计算得到第一损失函数的系数；

将所述图像修正子网络的输出结果和所述训练样本对应的真实标注代入所述第一损失函数，得到第一误差；

基于所述第一误差，对所述图像修正子网络进行训练。