[发明专利]一种基于多尺度上下文聚合网络的实时语义分割方法及装置

权利要求书

1.基于多尺度上下文聚合网络的实时语义分割方法，其特征在于，所述方法包括：

将原始图像输入至骨干网络中进行编码输出图像信息，并对所述图像信息进行卷积特征提取生成多层特征图；

基于所述多层特征图学习多尺度特征，得到特征图；

将所述特征图中的深层特征与所述多层特征图中的浅层特征进行融合。

2.根据权利要求1所述的方法，其特征在于，所述骨干网络为轻量级的MobileNetV2网络。

3.根据权利要求1所述的方法，其特征在于，基于所述多层特征图学习多尺度特征，得到特征图，包括：

对所述多尺度特征图进行通道降维处理，得到压缩后的特征图；

将压缩后的特征图输入至四个并行分支中进行信息处理，得到两个分组的输出特征图；

将所述输出特征图进行通道拼接操作，得到两个分组融合后的特征图。

4.根据权利要求1所述的方法，其特征在于，将所述特征图中的深层特征与所述多层特征图中的浅层特征进行融合，包括：

对深层特征进行压缩处理，得到压缩后的深层特征图；

对浅层特征进行采样处理得到两个浅层特征图，并对两个浅层特征图进行特征增强处理；

将压缩后的深层特征图与两个浅层特征图进行融合操作。

5.基于多尺度上下文聚合网络的实时语义分割装置，其特征在于，所述装置包括：骨干网络模块、多尺度特征学习模块、双边增强聚合模块；其中：

所述骨干网络模块，用于接收原始图像进行编码输出图像信息，并对所述图像信息进行卷积特征提取生成多层特征图；

所述多尺度特征学习模块，用于基于所述多层特征图学习多尺度特征，得到特征图；

所述双边增强聚合模块，用于将所述特征图中的深层特征与所述多层特征图中的浅层特征进行融合。

6.根据权利要求5所述的装置，其特征在于，所述骨干网络模块为轻量级的MobileNetV2网络。

7.根据权利要求5所述的装置，其特征在于，所述多尺度特征学习模块，具体用于：

对所述多尺度特征图进行通道降维处理，得到压缩后的特征图；

将压缩后的特征图输入至四个并行分支中进行信息处理，得到两个分组的输出特征图；

将所述输出特征图进行通道拼接操作，得到两个分组融合后的特征图。

8.根据权利要求5所述的装置，其特征在于，所述双边增强聚合模块，具体用于：

对深层特征进行压缩处理，得到压缩后的深层特征图；

对浅层特征进行采样处理得到两个浅层特征图，并对两个浅层特征图进行特征增强处理；

将压缩后的深层特征图与两个浅层特征图进行融合操作。

9.一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时使得所述电子设备实现如权利要求1至4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的方法。