[发明专利]一种图像语义分割方法、电子设备和可读存储介质

权利要求书

1.一种图像语义分割方法，其特征在于，包括：

通过高斯函数对原始图像进行预处理生成若干层不同分辨率的图像，形成图像金字塔；

将所述图像金字塔输入训练好的全卷积网络模型中，所述全卷积网络模型由与所述图像金字塔层数同数量的全卷积VGG16模型并联构建，并在后端设有转置卷积层，每一所述全卷积VGG16模型的第11至14个卷积层为空洞卷积，所述图像金字塔的每一层分别输入一个所述全卷积VGG16模型，对于相邻的两层全卷积VGG16模型，上层的输出特征均与下层第5个最大池化层的输出特征融合，然后依次输入该下层的后续卷积层，得到该下层的输出特征，如此自顶向下逐层融合至底层，底层的输出特征输入所述转置卷积层，得到跟原始图像等尺寸的得分图；

将所述得分图送入训练好的全连接条件随机场，联合图像中各像素的空间位置信息和颜色向量信息进行优化处理，获取语义分割效果。

2.根据权利要求1所述的图像语义分割方法，其特征在于，所述全卷积网络模型训练中，利用与图像金字塔中各层图像等分辨率的理想分割图标签来监督每一层提取的输出特征，改进损失函数。

3.根据权利要求1所述的图像语义分割方法，其特征在于：

每一所述全卷积VGG16模型的第11至14个卷积层的扩张率依次为2、4、8、16，前三个最大池化层步幅为2，后两个最大池化层步幅为1，所述转置卷积层步幅为8。

4.根据权利要求3所述的图像语义分割方法，其特征在于，特征融合策略如下：

对于相邻的两层全卷积VGG16模型，利用双线性插值法对上层的输出特征进行步幅为2的空间上采样，再输入扩张率为2的3×3空洞卷积操作，所得特征与下层第5个最大池化层的输出特征进行串联拼接，然后依次输入该下层的后续卷积层，得到该下层的输出特征。

5.根据权利要求1所述的图像语义分割方法，其特征在于，全连接条件随机场的建模过程如下：

根据像素i和像素j的颜色向量I_i和I_j以及空间位置p_i和p_j定义两个核函数k_c和k_p分别为：

得到双核势函数为：

k(f_i,f_j)＝w⁽¹⁾k_c+w⁽²⁾k_p

式中，w⁽¹⁾为k_c核函数项的权重，w⁽²⁾为k_p核函数项的权重，θ_α、θ_β和θ_γ均为超参数；

利用高维滤波算法对k_c、k_p和k(f_i,f_j)中的参数进行交叉验证，直至模型收敛。

6.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的至少一个存储器；

所述至少一个存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-5任一项所述的图像语义分割方法。

7.一种可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理执行时，实现如权利要求1-5中任一项所述的图像语义分割方法。