[发明专利]图像处理方法、装置、电子设备及存储介质

说明书

本申请实施例提供一种图像处理方法、装置、电子设备及存储介质，属于图像技术领域。该方法通过对待处理图像提取的M个不同层级特征进行两次处理后，获得M层第一中间特征和M层第二中间特征，然后分别对M层第一中间特征进行处理获得M层第一图像特征，对M层第二中间特征进行处理获得M层第二图像特征，通过该方式最后获得的图像特征中包含的高层特征和低层特征所占的权重比较均衡，从而可以让高层网络更容易、更全面地获取低层信息，对大小物体均有较好的分割效果。

技术领域

本申请涉及图像技术领域，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。

背景技术

在无人驾驶、家居机器人等领域中通常会涉及到图像识别，而对识别图像中的各个物体用到的方法一般是通过实例分割的方式对物体进行识别，实例分割结合了语义分割和物体检测的特点，其可以对图像中的每一个物体，均会生成一个独立的像素级别的掩膜，并且预测该物体对应的类别。所以，为了对图像中的每个物体进行更好的识别，现有技术中一般是通过对输入的图像进行特征提取，然后利用现有的掩膜区域卷积神经网络(MaskRegion-Convolutional Neural Network，Mask R-CNN)对提取的特征进行融合，最后获得的融合特征中包含的高层信息较多，而由于高层信息对大物体的识别效果较好，低层信息对微小物体的识别效果较好，这导致在后续利用该最后获得的融合特征进行实例分割时对大小物体的识别效果相差较大。

发明内容

本申请实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，以使获得的最后用于实例分割的特征中包含的高层信息与低层信息更为均衡，对大小物体均有较好的分割效果。

第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：获取待处理图像，对所述待处理图像进行特征提取，获得M个不同层级特征，M为大于等于2的整数；将所述M个不同层级特征按照第一层级方向进行处理，获得M层第一中间特征，以及将所述M个不同层级特征按照与所述第一层级方向相反的第二层级方向进行处理，获得M层第二中间特征；将所述M层第一中间特征按照所述第二层级方向进行处理，获得M层第一图像特征，以及将所述M层第二中间特征按照所述第一层级方向进行处理，获得M层第二图像特征。

在上述实现过程中，通过对待处理图像提取的M个不同层级特征进行两次处理后，获得M层第一中间特征和M层第二中间特征，然后分别对M层第一中间特征进行处理获得M层第一图像特征，对M层第二中间特征进行处理获得M层第二图像特征，通过该方式最后获得的图像特征中包含的高层特征和低层特征所占的权重比较均衡，从而可以让高层网络更容易、更全面地获取低层信息，对大小物体均有较好的分割效果。

可选地，所述M个不同层级特征中第i个层级特征的级别小于第i+1层级特征的级别，将所述M层第一中间特征按照所述第二层级方向进行处理，获得M层第一图像特征，包括：将第1层第一中间特征确定为所述M层第一图像特征中的第1层第一图像特征；依次取i为2至M，将所述第1层第一中间特征与第i层第一中间特征之间的i层第一中间特征进行融合，获得第i层第一图像特征，在i为M时，共获得M-1层第一图像特征；

将所述M层第二中间特征按照所述第一层级方向进行处理，获得M层第二图像特征，包括：将第M层第二中间特征确定为所述M层第二图像特征中的第M层第二图像特征；依次取i为M-1至1，将所述第M层第二中间特征到第i层第二中间特征之间的M-i+1层第二中间特征进行融合，获得第i层第二图像特征，在i为1时，共获得M-1层第二图像特征。

在上述实现过程中，通过对M层第一中间特征进行处理获得M层第一图像特征，对M层第二中间特征进行处理获得M层第二图像特征，通过上述对特征的多次处理，可以让高层网络更容易、更全面地获取低层信息，从而最后获得的图像特征中包含的高层特征和低层特征所占的权重比较均衡，对大小物体均有较好的分割效果。