[发明专利]图像分割方法和装置、电子设备、程序和介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

通过神经网络对图像进行特征提取，输出至少两个不同层级的特征；

将所述至少两个不同层级的特征进行至少一次折回融合，得到第一融合特征；其中，一次所述折回融合包括：在所述神经网络的网络深度方向，对分别由不同网络深度的网络层输出的不同层级的特征，依次按照两个不同的层级方向进行融合；

基于所述第一融合特征中所述图像的至少部分区域对应的第一融合特征，进行像素级别的实例类别预测，获得所述图像的至少部分区域的实例类别预测结果；基于所述图像的至少部分区域对应的第一融合特征进行像素级别的前背景预测，获得所述图像的至少部分区域的前背景预测结果；

基于所述实例类别预测结果和所述前背景预测结果，获取所述图像的至少部分区域的实例分割结果。

2.根据权利要求1所述的方法，其特征在于，所述通过神经网络对图像进行特征提取，输出至少两个不同层级的特征，包括：

通过所述神经网络对所述图像进行特征提取，经所述神经网络中至少两个不同网络深度的网络层输出至少两个不同层级的特征。

3.根据权利要求1所述的方法，其特征在于，所述两个不同的层级方向，包括：从高层级特征到低层级特征的方向、和从低层级特征到高层级特征的方向。

4.根据权利要求3所述的方法，其特征在于，所述依次按照两个不同的层级方向，包括：

依次沿从高层级特征到低层级特征的方向和从低层级特征到高层级特征的方向；或者

依次沿从低层级特征到高层级特征的方向和从高层级特征到低层级特征的方向。

5.根据权利要求4所述的方法，其特征在于，对分别由不同网络深度的网络层输出的不同层级的特征，依次沿从高层级特征到低层级特征的方向和从低层级特征到高层级特征的方向进行融合，包括：

沿所述神经网络的网络深度从深到浅的方向，依次将所述神经网络中，经网络深度较深的网络层输出的较高层级的特征上采样后，与经网络深度较浅的网络层输出的较低层级的特征进行融合，获得第二融合特征；

沿从低层级特征到高层级特征的方向，依次将较低层级的融合特征降采样后，与所述第二融合特征中较高层级的融合特征进行融合。

6.根据权利要求5所述的方法，其特征在于，所述较高层级的特征，包括：

经所述神经网络中所述网络深度较深的网络层输出的特征、或者对所述网络深度较深的网络层输出的特征进行至少一次特征提取得到的特征。

7.根据权利要求5所述的方法，其特征在于，所述依次将所述神经网络中，经网络深度较深的网络层输出的较高层级的特征上采样后，与经网络深度较浅的网络层输出的较低层级的特征进行融合，包括：

依次将所述神经网络中，经网络深度较深的网络层输出的较高层级的特征上采样后，与相邻的、经网络深度较浅的网络层输出的较低层级的特征进行融合。

8.根据权利要求5所述的方法，其特征在于，所述依次将较低层级的融合特征降采样后，与所述第二融合特征中较高层级的融合特征进行融合，包括：

依次将较低层级的融合特征降采样后，与相邻的、所述第二融合特征中较高层级的融合特征进行融合。

9.根据权利要求4所述的方法，其特征在于，对分别由不同网络深度的网络层输出的不同层级的特征，依次沿从低层级特征到高层级特征的方向和从高层级特征到低层级特征的方向进行融合，包括：

沿所述神经网络的网络深度从浅到深的方向，依次将所述神经网络中，经网络深度较浅的网络层输出的较低层级的特征降采样后，与经网络深度较深的网络层输出的较高层级的特征进行融合，获得第三融合特征；

沿从高层级特征到低层级特征的方向，依次将较高层级的融合特征上采样后，与所述第三融合特征中较低层级的融合特征进行融合。