[发明专利]图像分割方法、装置、设备及存储介质

说明书

本公开关于一种图像分割方法、装置、电子设备及存储介质，涉及图像处理领域。该方法包括：获取待处理图像；基于分类网络对该待处理图像进行分类，得到该待处理图像的类激活图，该类激活图用于指示每个像素的类别，该分类网络基于第一样本图像、该第一样本图像对应的包围盒以及该第一样本图像的分类标签训练得到；基于该类激活图所指示像素的类别，对该待处理图像进行分割，得到该待处理图像的第一分割结果；基于分割网络对该第一分割结果进行校正，得到该待处理图像的第二分割结果。分类网络训练时仅需要包围盒即可，无需人工进行像素级标注，且类激活图为图像分割过程引入了语义信息，因而，上述方法能够大大提高图像分割的准确性和效率。

技术领域

本公开涉及图像处理领域，尤其涉及图像分割方法、装置、设备及存储介质。

背景技术

语义分割任务是给定一张图像，将图像中的每个像素进行分类。该任务是一个典型的计算机视觉任务，在自动驾驶、人脸特效等领域具有重要的应用价值。

基于深度学习的语义分割任务近些年取得了很大进展，但通常他们都需要像素级的标注来训练分割网络，可是像素级的标注非常耗时，标注数据的获取效率很低，图像分割效率低，因而亟需一种图像分割方法，来提高图像分割效率。

发明内容

本公开提供一种图像分割方法、装置、设备及存储介质，提高了图像分割效率和准确性。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像分割方法，包括：

获取待处理图像；

基于分类网络对所述待处理图像进行分类，得到所述待处理图像的类激活图，所述类激活图用于指示每个像素的类别，所述分类网络基于第一样本图像、所述第一样本图像对应的包围盒以及所述第一样本图像的分类标签训练得到；

基于所述类激活图所指示像素的类别，对所述待处理图像进行分割，得到所述待处理图像的第一分割结果；

基于分割网络对所述第一分割结果进行校正，得到所述待处理图像的第二分割结果。在一些实施例中，所述分类网络的训练过程包括：

获取第一样本图像、所述第一样本图像对应的包围盒以及所述第一样本图像的分类标签；

将所述包围盒在所述第一样本图像中对应的图像区域外扩，得到第二样本图像，所述第二样本图像的分类标签与所述第一样本图像的分类标签相同；

将所述第二样本图像输入初始分类网络中进行分类，得到所述第二样本图像的预测分类标签；

根据所述第二样本图像的所述预测分类标签和所述第二样本图像的分类标签之间的差异，对所述初始分类网络进行训练，得到所述分类网络。

在一些实施例中，所述基于所述类激活图所指示像素的类别，对所述待处理图像进行分割，得到所述待处理图像的第一分割结果，包括：

基于所述类激活图中每个像素的取值与目标阈值之间的大小关系，确定所述待处理图像中每个像素的候选类别，所述候选类别包括前景像素、背景像素和候选前景像素；

基于所述待处理图像中每个像素的候选类别，对所述待处理图像进行建模，得到所述待处理图像对应的高斯混合模型；

根据所述待处理图像中每个像素与相邻像素之间的像素值相似度，对所述高斯混合模型进行更新，直至符合目标条件，得到目标高斯混合模型；

基于所述目标高斯混合模型，确定所述待处理图像的第一分割结果，所述第一分割结果用于指示所述待处理图像中每个像素的类别，所述类别包括前景像素、背景像素和候选前景像素。

在一些实施例中，所述基于分割网络对所述第一分割结果进行校正，得到所述待处理图像的第二分割结果，包括：