[发明专利]一种图像语义分割、智能行驶控制方法及装置

说明书

本公开提供了一种图像语义分割方法及装置，包括：对待分割图像进行第一特征提取，得到原始特征图；基于原始特征图，生成原始特征图对应的偏移特征图，偏移特征图中每个特征点的值表示原始特征图中与该特征点所在位置对应位置处的特征点需要偏移的值；基于偏移特征图和原始特征图，生成待分割图像对应的边缘特征图和主体特征图；边缘特征图包括待分割图像中的对象边缘特征，主体特征图包括待分割图像中的对象主体特征；基于边缘特征图和主体特征图，生成待分割图像对应的语义分割图像。

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种图像语义分割、智能行驶控制方法及装置。

背景技术

图像语义分割是图像处理和机器视觉技术中重要的组成部分。语义分割即对图像中每一个像素点进行分类，确定每个点的类别(如属于背景、人或车等)，从而进行区域划分。目前，语义分割已经被广泛应用于自动驾驶、无人机落点判定等场景中。

相关技术中，在进行图像语义分割时，一般通过神经网络直接对待分割的图像进行分割，但是由于神经网络的感受野有限，这就可能导致将属于同一对象的两个部分分割成不同的类别，从而影响分割结果。

发明内容

本公开实施例至少提供一种图像语义分割、智能行驶控制方法及装置。

第一方面，本公开实施例提供了一种图像语义分割方法，包括：

对待分割图像进行第一特征提取，得到原始特征图；

基于所述原始特征图，生成所述原始特征图对应的偏移特征图，所述偏移特征图中每个特征点的值表示所述原始特征图中与该特征点所在位置对应位置处的特征点需要偏移的值；

基于所述偏移特征图和所述原始特征图，生成所述待分割图像对应的边缘特征图和主体特征图；所述边缘特征图包括所述待分割图像中的对象边缘特征，所述主体特征图包括所述待分割图像中的对象主体特征；

基于所述边缘特征图和所述主体特征图，生成所述待分割图像对应的语义分割图像。

这里，属于同一对象的区域特征相似，根据原始特征图所确定的偏移特征图中每一个特征点的值表示原始特征图中与该特征点所在位置对应位置处的特征点需要偏移的值，在通过偏移特征图对原始特征图中的特征点进行偏移后，能够使得原始特征图中属于同一对象的区域特征更聚集，这样，属于同一对象的特征区域中所包含的特征点就更全面，根据偏移特征图和原始特征图能够区分出原始特征图中的属于边缘的特征部分(即边缘特征图)以及属于主体的特征部分(即主体特征图)；另外，由于通过偏移特征图对原始特征图中的特征点进行偏移后，能够使得原始特征图中属于同一对象的区域特征更聚集，这相当于在生成主体特征图的过程中扩大了神经网络的感受野，因此基于边缘特征图和主体特征图所生成的语义分割图像，精度更高。

一种可能的实施方式中，所述基于所述原始特征图，生成所述原始特征图对应的偏移特征图，包括：

对所述原始特征图进行特征提取，生成所述原始特征图对应的深度特征图；

根据所述原始特征图和所述深度特征图，生成所述原始特征图对应的偏移特征图。

这里，由于待分割图像中属于同一目标对象的区域之间的特征应该是相似的，对原始特征图进行特征提取生成的深度特征图中包括原始特征图中的高层次特征，也即包括了属于同一目标对象的高层次的特征，根据原始特征图和深度特征图生成的偏移特征图既包含了原始特征图中的特征，又包括了原始特征图中属于同一目标对象的高层次的特征，因此，基于偏移特征图控制原始特征图中的特征点进行偏移，能够使得属于同一目标对象特征点聚集，从而从原始特征图中提取出主体特征部分。

一种可能的实施方式中，所述基于所述原始特征图，生成所述原始特征图对应的深度特征图，包括：