[发明专利]图像语义分割方法、装置、电子设备及存储介质

权利要求书

1.一种图像语义分割方法，其特征在于，应用于卷积网络，所述卷积网络包括第三卷积模块，所述方法包括：

对图像进行处理，获得至少一个第一特征图及所述至少一个第一特征图的分类信息的置信度；

根据每个所述第一特征图的分类信息的置信度对每个所述第一特征图进行局部加强处理，获得第三特征图；

使用所述第三卷积模块对所述第三特征图进行分类卷积运算，确定所述第三特征图的分类信息。

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述第一特征图的分类信息的置信度对每个所述第一特征图进行局部加强处理，获得第三特征图，具体包括：

根据每个所述第一特征图的分类信息的置信度对每个所述第一特征图进行处理，获得第二特征图；

对所述第一特征图和所述第二特征图进行叠加处理，获得所述第三特征图。

3.根据权利要求2所述的方法，其特征在于，所述根据每个所述第一特征图的分类信息的置信度对每个所述第一特征图进行处理，获得第二特征图，具体包括：

对所述分类信息的置信度进行取反处理，获得注意力矩阵；

将所述注意力矩阵和每个所述第一特征图相乘，获得所述第二特征图。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述卷积网络还包括：第二卷积模块和第一卷积模块；所述对图像进行处理，获得至少一个第一特征图及所述至少一个第一特征图的分类信息的置信度，具体包括：

使用所述第一卷积模块对所述图像进行卷积处理，获得至少一个第一特征图；

使用所述第二卷积模块对每个所述第一特征图进行分类卷积处理，获得每个所述第一特征图的分类信息的置信度。

5.根据权利要求4所述的方法，其特征在于，在所述使用所述第二卷积模块对每个所述第一特征图进行分类卷积处理，获得每个所述第一特征图的分类信息的置信度，之后还包括：

对每个所述第一特征图的分类信息的置信度进行归一化处理。

6.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

获取训练特征图输入所述卷积网络时由第二卷积模块输出的第一训练特征图的类别信息的置信度；

根据所述第一训练特征图的类别信息的置信度和训练图像的实际类别信息确定辅损失值；其中，所述辅损失值用于在训练所述卷积网络时，反向传播至第一卷积模块和第二卷积模块。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

获取训练特征图输入所述卷积网络时由所述第三卷积模块输出的第二训练特征图的类别信息的置信度；

根据所述第二训练特征图的类别信息的置信度和训练图像的实际类别信息确定主损失值；其中，所述主损失值用于在训练所述卷积网络时，反向传播至所述第三卷积模块和第一卷积模块。

8.一种图像语义分割装置，其特征在于，应用于卷积网络，所述卷积网络包括第三卷积模块，所述装置包括：

获得模块，用于对图像进行处理，获得至少一个第一特征图及所述至少一个第一特征图的分类信息的置信度；

所述获得模块还用于根据每个所述第一特征图的分类信息的置信度对每个所述第一特征图进行局部加强处理，获得第三特征图；

确定模块，用于使用所述第三卷积模块对所述第三特征图进行分类卷积运算，确定所述第三特征图的分类信息。

9.一种电子设备，其特征在于，包括：

存储器，用于存储程序；

处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如权利要求1至7中任一所述的图像语义分割方法。

10.一种计算机可读存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至7中任一所述的图像语义分割方法。