[发明专利]按网格单元利用加权卷积滤波器的图像分割方法及装置

权利要求书

1.一种按网格单元分别利用多个加权卷积滤波器中的每一个来分割图像的方法，其特征在于，包括以下步骤：

(a)在获取至少一个输入图像的情况下，学习装置：(i)使卷积神经网络模块的编码层对所述输入图像应用至少一次卷积运算而生成至少一个编码特征图，并且(ii)使所述卷积神经网络模块的解码层对由所述编码层输出的特定编码特征图应用至少一次反卷积运算而生成至少一个解码后特征图；

(b)在由所述解码层输出的特定解码后特征图根据至少一个已设定的基准被划分为多个所述网格单元的情况下，所述学习装置使所述卷积神经网络模块的加权卷积层将各个所述加权卷积滤波器设定为与各个所述网格单元对应，并且对所述特定解码后特征图应用至少一次加权卷积运算而输出分割结果；以及

(c)所述学习装置反向传播以所述分割结果和与所述分割结果对应的地面实况(GT)为参照获取到的分割损失，从而按所述网格单元学习各个所述加权卷积滤波器，

按所述网格单元的各个所述加权卷积滤波器用以下数学式表示：

W_C_Filter_i＝α_i*B+β_i，

其中，W_C_Filter_i分别表示与第i网格单元对应的第i加权卷积滤波器的值，B分别表示与对应于参照区域的特定的网格单元对应的特定的加权卷积滤波器的值，α_i及β_i分别表示与按所述网格单元的各个所述加权卷积滤波器对应的各个线性变换参数，

在所述(c)步骤中，所述学习装置通过学习所述α_i、β_i及B来按所述网格单元学习各个所述加权卷积滤波器。

2.根据权利要求1所述的方法，其特征在于，

所述(b)步骤包括：所述学习装置以所述特定解码后特征图上的至少一个特征值为参照将根据至少一个特定基准分别分组的至少一个区域中的最宽的区域设定为所述参照区域。

3.根据权利要求2所述的方法，其特征在于，

在所述(b)步骤中，以所述特定解码后特征图上的所述特征值为参照，将根据所述特征值的范围分别分组的至少一个区域中的所述最宽的区域设定为所述参照区域。

4.根据权利要求1所述的方法，其特征在于，

所述输入图像包含多个训练图像，

在所述多个训练图像中的每一个具有与第1分割区域至第k分割区域对应的第1位置信息至第k位置信息的状态下，所述输入图像被选择为包含特定训练图像，在所述特定训练图像中，所述第1位置信息的相对偏差至所述第k位置信息的相对偏差中的至少一部分相对偏差分别为至少一个已设定的临界值以下。

5.根据权利要求1所述的方法，其特征在于，

在所述(b)步骤中，各个所述网格单元具有相同的形状和大小。

6.根据权利要求1所述的方法，其特征在于，

所述输入图像为表示道路行驶状况的图像，所述学习装置用于检测在道路行驶时的自由空间。