[发明专利]图像分割方法和图像处理装置在审
申请号: | 201910157603.5 | 申请日: | 2019-03-01 |
公开(公告)号: | CN110033003A | 公开(公告)日: | 2019-07-19 |
发明(设计)人: | 田值;贺通;沈春华;颜友亮;许松岑;周一韧;吴小飞;刘健庄 | 申请(专利权)人: | 华为技术有限公司 |
主分类号: | G06K9/34 | 分类号: | G06K9/34;G06K9/62 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 518129 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征图 分辨率 目标特征 输入图像 图像分割 变换矩阵 处理需求 上采样 参考 人工智能领域 图像处理装置 低分辨率 目标处理 目标图像 内存占用 特征提取 有效减少 融合 计算量 下采样 申请 | ||
1.一种图像分割方法,其特征在于,包括:
获得输入图像和处理需求;所述处理需求用于指示对所述输入图像进行图像分割得到的目标特征图组进行目标处理;
对所述输入图像进行多层次的特征提取,得到多个特征图;
对所述多个特征图进行下采样,得到多个具有参考分辨率的特征图;所述参考分辨率低于所述输入图像的分辨率;
对所述多个具有参考分辨率的特征图进行融合,得到至少一个特征图组;
利用变换矩阵W对所述特征图组进行上采样,得到所述目标特征图组,所述目标特征图组和所述输入图像具有相同分辨率;其中,所述变换矩阵W是通过对图像分割任务的训练数据建模得到;所述变换矩阵W的其中一个维度与所述特征组的通道数相同;
根据所述处理需求,对所述目标特征图组进行所述目标处理,得到目标图像。
2.根据权利要求1所述的方法,其特征在于,所述利用变换矩阵W对所述特征图组进行上采样,得到目标特征图组包括:
分别计算(H×W)个均包括C个元素的一维矩阵与所述变换矩阵W的乘积得到(H×W)个均包括P个元素的一维矩阵;所述(H×W)个均包括C个元素的一维矩阵中任一矩阵包括的元素为所述特征图组包括的C个(H×W)的二维矩阵中的每个二维矩阵中同一位置的元素,H和W为所述特征图组的两个维度,C为所述特征图组的通道数;所述变换矩阵为由所述训练数据包括的M个标注图像得到的(C×P)的二维矩阵,P=A×B×N,N为所述M个标注图像中的图像语义被分割的类别数;
分别对所述(H×W)个均包括P个元素的一维矩阵进行特征排列以得到所述目标特征图组;所述目标特征图组包括的至少一个(A×B×N)的子矩阵为由所述(H×W)个均包括P个元素的一维矩阵中的一个矩阵得到的;其中,H、W、C、N、P、M、A以及B均为大于0的整数。
3.根据权利要求2所述的方法,其特征在于,所述分别对所述(H×W)个均包括P个元素的一维矩阵进行特征排列以得到所述目标特征图组包括:
根据所述(H×W)个均包括P个元素的一维矩阵中的任一矩阵,确定(A×B)个均包括N个元素的一维矩阵;
将由所述(A×B)个均包括N个元素的一维矩阵得到的一个(A×B×N)的三维矩阵作为所述目标特征图组包括的一个子矩阵。
4.根据权利要求2所述的方法,其特征在于,所述M个标注图像中任一标注图像为一个(H×W×N)的三维矩阵,所述变换矩阵W为采用如下操作得到的:
分别获取所述M个标注图像中的每个标注图像对应的至少一个(A×B×N)的子矩阵以得到多个(A×B×N)的子矩阵;
由所述多个(A×B×N)的子矩阵得到多个包括P个元素的向量;其中,由所述多个(A×B×N)的子矩阵中的每一个子矩阵得到一个包括P个元素的向量;
将所述多个包括P个元素的向量进行主成分分析以得到一个(P×P)的二维矩阵;
将所述(P×P)的二维矩阵包括的一个(C×P)的子矩阵作为所述变换矩阵W。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述对所述输入图像进行多层次的特征提取,得到多个特征图包括:
对所述输入图像进行卷积操作得到第一特征图,对第(K-1)特征图进行卷积操作得到第K特征图;所述第K特征图为一个所述参考分辨率的特征图,所述第(K-1)特征图的分辨率不高于所述第K特征图的分辨率,K为大于1的整数,所述多个特征图包括K个特征图;
所述对所述多个特征图进行下采样,得到多个具有参考分辨率的特征图包括:
对所述第一特征图进行下采样得到一个所述参考分辨率的特征图,以及对所述第(K-1)特征图进行下采样得到一个所述参考分辨率的特征图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910157603.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于多任务级联卷积神经网络的车牌检测方法
- 下一篇:一种粘连字符的识别方法