[发明专利]图像语义分割方法、装置、电子设备及存储介质

说明书

本发明提供一种图像语义分割方法、装置、电子设备及存储介质，在图像语义分割方法中，对图像进行第一次分类处理，初步获得每个特征图的分类信息的置信度，在确定置信度后，根据置信度对特征图进行局部增强处理，并对处理后的特征图进行第二次分类卷积处理，通过两次分类卷积处理，可以兼顾图像中每个像素，输出更加准确的分割结果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像语义分割方法、装置、电子设备及存储介质。

背景技术

图像语义分割是计算机视觉中非常重要的任务，它的目标是为图像中的每个像素分类。

现有的图像语义分割一般使用卷积网络进行分割处理，卷积网络的计算过程如下：由若干卷积层对图像进行卷积处理，输出特征图。再根据特征图对图像中所有像素进行分类卷积处理，确定每个像素的类别。在进行分类卷积处理过程中，现有的图像语义分割方法将图像中所有像素作为一个整体，进行分类卷积运算。

然而，图像中每个像素的分割难易程度不同，这种将图像中所有像素作为一个整体进行分类卷积运算的方式，不能兼顾每个像素，造成现有方法无法准确对图像进行语义分割。

发明内容

本发明提供一种图像语义分割方法、装置、电子设备及存储介质，以解决现有的图像语义分割方法不能兼顾每个像素，造成无法准确对图像进行语义分割的技术问题。

第一方面，本发明提供一种图像语义分割方法，应用于卷积网络，卷积网络包括第三卷积模块，方法包括：

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

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

使用第三卷积模块对第三特征图进行分类卷积运算，确定第三特征图的分类信息。

可选地，根据每个第一特征图的分类信息的置信度对每个第一特征图进行局部加强处理，获得第三特征图，具体包括：

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

对第一特征图和第二特征图进行叠加处理，获得第三特征图。

可选地，根据每个第一特征图的分类信息的置信度对每个第一特征图进行处理，获得第二特征图，具体包括：

对分类信息的置信度进行取反处理，获得注意力矩阵；

将注意力矩阵和每个第一特征图相乘，获得第二特征图。

可选地，卷积网络还包括：第二卷积模块和第一卷积模块；对图像进行处理，获得至少一个第一特征图及至少一个第一特征图的分类信息的置信度，具体包括：

使用第一卷积模块对图像进行卷积处理，获得至少一个第一特征图；

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

可选地，在使用第二卷积模块对每个第一特征图进行分类卷积处理，获得每个第一特征图的分类信息的置信度，之后还包括：

对每个第一特征图的分类信息的置信度进行归一化处理。

可选地，方法还包括：

获取训练特征图输入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，辅损失值用于在训练卷积网络时，反向传播至第一卷积模块和第二卷积模块。

可选地，方法还包括：