[发明专利]图像分割的方法和装置、电子设备及计算机可读存储介质

说明书

本申请公开了一种图像分割的方法和装置、电子设备及计算机可读存储介质，该图像分割的方法包括：基于所述图像获取第一特征层；根据所述第一特征层，通过基于残差结构的神经网络，得到第二特征层；根据所述第二特征层，获取所述图像的分割结果。本申请的技术方案即使在受到图像质量的影响的情况下，也能够提高图像的分割结果的准确度。

技术领域

本申请涉及深度学习技术领域，具体涉及一种图像分割的方法和装置、电子设备及计算机可读存储介质。

背景技术

图像分割技术可以将图像划分成若干个特定的、具有独特性质的区域，从而可以将用户感兴趣的目标从背景中分割出来，因此该技术在驾驶、行人检测、医疗等各个领域具有广泛的应用前景。现有的图像分割方法准确度低，尤其在受到图像质量的影响时，图像分割的鲁棒性难以保证。

发明内容

有鉴于此，本申请的实施例致力于提供一种图像分割的方法和装置、电子设备及计算机可读存储介质，即使在受到图像质量的影响的情况下，也能够提高图像的分割结果的准确度。

根据本申请实施例的第一方面，提供了一种图像分割的方法，包括：基于所述图像获取第一特征层；根据所述第一特征层，通过基于残差结构的神经网络，得到第二特征层；根据所述第二特征层，获取所述图像的分割结果。

在一个实施例中，所述根据所述第一特征层，通过基于残差结构的神经网络，得到第二特征层，包括：根据所述第一特征层，通过第一神经网络，获得第三特征层；根据所述第一特征层，通过第二神经网络，获得第四特征层；根据所述第一特征层、所述第三特征层和所述第四特征层，获取所述第二特征层。

在一个实施例中，所述根据所述第一特征层、所述第三特征层和所述第四特征层，获取所述第二特征层，包括：对所述第一特征层、所述第三特征层和所述第四特征层进行特征融合，得到所述第二特征层。

在一个实施例中，所述基于所述图像获取第一特征层，包括：根据所述图像，通过密集卷积网络，得到所述第一特征层。

在一个实施例中，所述根据所述第二特征层，获取所述图像的分割结果，包括：对所述第二特征层进行卷积操作，得到所述图像的分割结果。

在一个实施例中，所述根据所述第二特征层，获取所述图像的分割结果，包括：根据所述第二特征层，通过第三神经网络，得到边缘细化特征层；对所述边缘细化特征层进行卷积操作，得到所述图像的分割结果。

在一个实施例中，所述方法还包括：根据所述第一特征层，通过编码操作，得到第五特征层；根据所述第五特征层，通过所述基于残差结构的神经网络，得到第六特征层；根据所述第六特征层，通过解码操作，得到第七特征层。

在一个实施例中，所述根据所述第一特征层，通过编码操作，得到第五特征层，包括：根据所述第一特征层，通过密集卷积网络，得到第九特征层；对所述第九特征层进行卷积操作和下采样操作，得到所述第五特征层。

在一个实施例中，在根据所述第六特征层，通过解码操作，得到第七特征层之前，所述方法还包括：根据所述第六特征层，通过第三神经网络，得到边缘细化后的第六特征层。

在一个实施例中，根据所述第六特征层，通过解码操作，得到第七特征层，包括：根据所述边缘细化后的第六特征层，通过所述解码操作，得到所述第七特征层。

在一个实施例中，所述根据所述第六特征层，通过解码操作，得到第七特征层，包括：根据所述第六特征层，通过上采样操作，得到所述第七特征层。

在一个实施例中，所述根据所述第二特征层，获取所述图像的分割结果，包括：根据所述第七特征层和所述第二特征层，通过拼接操作，得到整合后的特征层；对所述整合后的特征层进行卷积操作，得到所述图像的分割结果。