[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

说明书

本发明公开了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，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。本发明还提供了基于多尺度上下文聚合网络的实时语义分割装置、设备及可读存储介质。本发明提供的基于多尺度上下文聚合网络的实时语义分割方法、装置、设备及可读存储介质，可以提升语义分割的分割精度和分割效率。

技术领域

本发明涉及图像语义分割和深度学习技术领域，特别涉及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。

背景技术

目前，实时语义分割技术在资源受限的应用中显示出良好的进展，且为保持较快的推理速度，通过压缩网络的深度以及宽度以减轻实时语义分割过程中的计算负担，虽然可以提高推理速度，但严重损失了分割精度。

有鉴于此，有必要提供一种可提高分割精度和分割效率的语义分割方式。

发明内容

本申请的目的在于提升语义分割的分割精度和分割效率。

为实现上述目的，本发明实施例提供了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、设备及可读存储介质。所述技术方案如下：

第一方面，基于多尺度上下文聚合网络的实时语义分割方法，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。

第二方面，基于多尺度上下文聚合网络的实时语义分割装置，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。

第三方面，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，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上第一方面所述的方法。

第四方面，一种计算机可读存储介质，其上存储有计算机程序，其所述计算机程序被处理器执行时实现如上第一方面所述的方法。

本发明实施例提供的技术方案带来的有益效果是：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。这样，可提高实时语义分割的分割精度和分割效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中基于多尺度上下文聚合网络的实时语义分割方法的示意图；

图2是本发明实施例中多尺度特征图进行通道降维处理后，学习多尺度特征的方法示意图；

图3是本发明实施例中基于多尺度上下文聚合网络的实时语义分割装置的示意图。

具体实施方式