[发明专利]一种图像实例分割方法、装置、电子设备及存储介质

权利要求书

1.一种图像实例分割方法，其特征在于，包括：

对待分割图像进行目标检测，确定所述待分割图像中检测到的每个目标对应的特征图；

针对每个目标的特征图，将所述目标的特征图输入到训练完成的分割网络中，基于所述分割网络，确定所述特征图中所述目标对应的目标子图像，其中所述分割网络根据如下方式训练：初始分割网络对样本特征图进行下采样处理，并基于不同扩张率dilation rate的空洞卷积核对下采样后的样本特征图进行处理，确定不同感受野的样本特征图，并对所述不同感受野的样本特征图进行融合，得到融合后的样本特征图，对所述融合后的样本特征图进行上采样处理及实例分割，确定样本特征图中的目标对应的第一子图像，根据所述第一子图像和样本特征图中的目标对应的被标记的第二子图像对所述初始分割网络进行训练；

在所述待分割图像中每个目标子图像的相应位置进行标注；

根据所述第一子图像和样本特征图中的目标对应的被标记的第二子图像对所述初始分割网络进行训练包括：

针对每个样本特征图：

如果所述样本特征图中的第一子图像和第二子图像的匹配程度不高于设定阈值，根据所述样本特征图、所述样本特征图中的第一子图像和第二子图像，及所述初始分割网络中的损失函数，确定所述样本特征图的损失函数值；将所述损失函数值通过神经网络反向传播计算，继续采用所述样本特征图对所述初始分割网络进行训练；

如果所述样本特征图中的第一子图像和第二子图像的匹配程度高于所述设定阈值，将所述样本特征图的损失函数值设置为设定损失函数值，继续采用其他样本特征图对所述初始分割网络进行训练，直至每个样本特征图中的第一子图像和第二子图像的匹配程度高于所述设定阈值。

2.根据权利要求1所述的图像实例分割方法，其特征在于，所述对待分割图像进行目标检测，确定所述待分割图像中的每个目标对应的特征图包括：

对待分割图像进行目标检测，确定所述待分割图像中的每个目标对应的检测框；

如果确定存在重叠区域的检测框，针对检测框的重叠区域，确定位于重叠区域内的每个像素点，并确定所述每个像素点归属于所述存在重叠区域的检测框对应的每个目标的概率值；

根据所述每个像素点归属于每个目标的概率值，确定所述每个像素点归属的目标；针对存在重叠区域的检测框，根据所述检测框的非重叠区域以及归属于所述检测框所属目标的像素点，确定所述检测框所属目标的特征图。

3.如权利要求2所述的图像实例分割方法，其特征在于，所述图像实例分割方法还包括：

针对不存在重叠区域的检测框，将所述检测框对应的区域确定为所述检测框所属目标的特征图。

4.如权利要求2所述的图像实例分割方法，其特征在于，所述根据所述每个像素点归属于每个目标的概率值，确定所述每个像素点归属的目标包括：

针对每个像素点，将所述像素点归属于每个目标的概率值中概率值最大的目标，确定所述像素点归属的目标；

如果所述像素点归属于每个目标的概率值中存在至少两个最大且相同的概率值，则根据所述像素点归属于所述至少两个最大且相同的概率值的目标的置信度，将置信度最高的目标确定为所述像素点归属的目标。

5.根据权利要求1-4任一项所述的图像实例分割方法，其特征在于，在所述针对每个目标的特征图，将所述目标的特征图输入到训练完成的分割网络中之前，所述图像实例分割方法还包括：

针对每个目标的特征图，按照所述特征图的长宽比例，将所述特征图进行缩放，其中缩放后的所述特征图的长边的边长为设定长度。

6.根据权利要求5所述的方法，其特征在于，在按照所述特征图的长宽比例，将所述特征图进行缩放后，所述图像实例分割方法还包括：

如果确定缩放后的所述特征图的短边的边长非所述设定长度，采用设定颜色的像素点填充缩放后的所述特征图，其中填充后的所述特征图的每个边的边长均为所述设定长度。