[发明专利]一种图像场景分割方法、终端及存储介质

说明书

本发明实施例公开了一种场景分割的方法，包括：获取目标分割图像，对目标分割图像进行下采样处理，得到第一下采样图像和第二下采样图像，第一下采样图像的分辨率低于第二下采样图像的分辨率；基于第一下采样图像、第二下采样图像、级联的第一级场景分割模型和第二级场景分割模型，得到分割结果，第一级场景分割模型和第二级场景分割模型分别用于对输入模型的图像进行场景分割处理；将分割结果与目标分割图像进行匹配，得到目标分割图像的目标场景分割图像。本发明实施例还同时公开了一种终端及存储介质。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像场景分割方法、终端及存储介质。

背景技术

随着电子技术的迅速发展，人工智能技术已经可以处理大量与图像有关的功能，如目标检测、场景识别、语义分割等等，图像场景分割，效果显著，已经超越了传统图像处理算法。

目前，通过人工智能技术进行图像场景分割一般是基于深度学习的全卷积神经网络，利用迁移学习的思想，将在大规模分类数据上经过预训练得到的网络迁移到图像分割数据集上进行训练，从而得到用于场景分割的分割网络，然后，利用该分割网络对图像进行场景分割。

然后，在对高清图像进行场景分割的时候，采用现有的分割网络进行处理时的网络复杂，计算量大，很难做到在终端上实现计算和精度上的平衡，因此，场景分割精确度较差。

发明内容

有鉴于此，本发明的主要目的在于提供一种图像场景分割方法、终端及存储介质，能够提高场景分割的精确度。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种图像场景分割方法，包括：

获取目标分割图像，对所述目标分割图像进行下采样处理，得到第一下采样图像和第二下采样图像，所述第一下采样图像的分辨率低于所述第二下采样图像的分辨率；

基于所述第一下采样图像、所述第二下采样图像、级联的第一级场景分割模型和第二级场景分割模型，得到分割结果，所述第一级场景分割模型和所述第二级场景分割模型分别用于对输入模型的图像进行场景分割处理；

将所述分割结果与所述目标分割图像进行匹配，得到所述目标分割图像的目标场景分割图像。

在上述方案中，所述基于所述第一下采样图像、所述第二下采样图像、级联的第一级场景分割模型和第二级场景分割模型，得到分割结果，包括：

将所述第一下采样图像输入所述第一级场景分割模型中，输出至少一个场景的第一边界信息，所述至少一个场景为所述目标分割图像中的场景；

基于所述第一边界信息，对所述第二下采样图像进行匹配调整，得到调整下采样图像；

将所述调整下采样图像输入所述第二级场景分割模型中，输出所述至少一个场景的第二边界信息，将所述第二边界信息作为所述分割结果。

在上述方案中，所述基于所述第一边界信息，对所述第二下采样图像进行匹配调整，得到调整下采样图像，包括：

采用所述第一边界信息对所述第二下采样图像进行边界修正，得到所述调整下采样图像。

在上述方案中，所述获取目标分割图像之前，所述方法还包括：

训练预设场景分割模型，所述预设场景分割模型包括：级联的所述第一级场景分割模型和所述第二级场景分割模型，所述第一级场景分割模型和所述第二级场景分割模型相同。

在上述方案中，所述训练预设场景分割模型，包括：

按照预设的配置比例获取正样本和负样本，所述正样本为正样本图像与对应的正样本边界信息，所述负样本为负样本图像与对应的负样本边界信息；