[发明专利]图像处理方法、装置及计算机存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

提取目标图像的不同尺度的特征图组，其中，同一特征图组中的各个特征图具有相同的尺度；

对所有所述特征图组分别进行同尺度特征融合，获得对应的第一融合特征图；

将每一所述第一融合特征图放大至所述不同尺度中的最大尺度，并对所有放大后的所述第一融合特征图进行同尺度特征融合，得到第二融合特征图；

根据所述第二融合特征图，获得所述目标图像的语义分割结果；

其中，所述提取目标图像的不同尺度的特征图组，包括：

将所述目标图像输入至卷积神经网络中，以获取所述目标图像对于所述不同尺度中每一尺度的第一特征图；

对于每一尺度，将所有所述第一特征图缩放至对应尺度，得到对应尺度的特征图组；

所述进行同尺度特征融合，包括：

按照通道数串联待融合特征图集合中的所有特征图，得到第二特征图；其中，所述待融合特征图集合为每一所述特征图组，或者包括所有所述第一融合特征图；

利用1*1的卷积减小所述第二特征图的通道数，及利用可分离卷积，对减小通道数后的第二特征图进行特征融合，得到融合后的第二特征图；

根据融合后的第二特征图，获得与所述待融合特征图对应的融合特征图；

所述根据所述第二融合特征图，获得所述目标图像的语义分割结果，包括：

将所述第二融合特征图缩放至所述目标图像的尺度；

利用1*1的卷积将缩放后的第二融合特征图的通道数减少至目标通道数，并利用归一化指数函数确定语义分割结果；其中，目标通道数为语义分割的类别数。

2.根据权利要求1所述的方法，所述将所述目标图像输入至卷积神经网络中，以获取所述目标图像对于所述不同尺度中每一尺度的第一特征图的步骤，包括：

将所述目标图像输入至卷积神经网络中，获得包含所述不同尺度的第一特征图的候选集合；

对于所述候选集合中存在的尺度相同的多个第一特征图，选择最大深度的第一特征图作为对应尺度的第一特征图；

将所述候选集合中存在除所述尺度相同的多个第一特征图外的第一特征图中的每一个，作为对应尺度的第一特征图。

3.根据权利要求1所述的方法，其特征在于，所述对于每一尺度，将所有所述第一特征图缩放至对应尺度，包括：

对于每一尺度，对大于对应尺度的第一特征图进行平均池化，以将大于对应尺度的第一特征图缩小至对应尺度；

对于每一尺度，对小于对应尺度的第一特征图进行上采样，以将小于对应尺度的第一特征图放大至对应尺度；

对于每一尺度，对等于对应尺度的第一特征图进行缩放系数为1的缩放。

4.根据权利要求1所述的方法，其特征在于，所述卷积神经网络为轻量级神经网络。

5.根据权利要求1所述的方法，其特征在于，所述根据融合后的第二特征图，获得与所述待融合特征图对应的融合特征图，包括：

提取所述融合后的第二特征图每一通道对应的全局上下文信息；

利用每一全局上下文信息为融合后的第二特征图中的对应通道设置权重系数；

利用每一通道的所述权重系数，对融合后的第二特征图进行加权，以获得与所述待融合特征图对应的融合特征图。

6.根据权利要求5所述的方法，其特征在于，所述利用每一通道的所述权重系数，对融合后的第二特征图进行加权，以获得与所述待融合特征图对应的融合特征图，包括：

利用每一通道的所述权重系数，对融合后的第二特征图进行加权，以得到第三特征图；

将所述第三特征图按照预设丢失率随机进行特征丢失，以获得与所述待融合特征图对应的融合特征图。

7.根据权利要求5所述的方法，其特征在于，所述根据融合后的第二特征图，获得与所述待融合特征图对应的融合特征图，包括：

将融合后的第二特征图按照预设丢失率随机进行特征丢失，以获得与所述待融合特征图对应的融合特征图。