[发明专利]一种图像处理方法、装置、终端及存储介质

说明书

本发明提供了一种图像处理方法、装置、终端及存储介质，该方法包括：获取待处理图像的第一特征图；根据所述第一特征图，确定所述待处理图像中存在目标对象的至少一个子区域图像对应的至少一个第一子特征图；针对所述至少一个第一子特征图中的每个第一子特征图，生成与各第一子特征图匹配的卷积神经网络参数，以及，采用所述卷积神经网络参数对所述各第一子特征图进行处理，生成各第二子特征图；基于所述各第二子特征图，对所述待处理图像进行目标对象的实例分割，生成所述目标对象的实例分割结果。本发明在对图像进行处理时，能够提升图像处理速度慢、提升实例分割的精度，以及提升分割结果准确性。

技术领域

本发明属于图像处理领域，特别是涉及一种图像处理方法、装置、终端及存储介质。

背景技术

目前的对象检测方法可以包括物体检测方法，主要是识别出图片中对象的类别和位置，但是，这个识别方法不够精细。因此，提出了实例分割方法，实例分割方法可以识别出图片中对象的类别、位置以及轮廓，能够将图片中的物体像素进行区分，是比物体检测方法更加精细化的图像检测方法。

传统的实例分割方法的网络结构大体可以分为基于检测结果的结构和不基于检测结果的结构。

其中，基于检测结果的结构在进行检测时，一般先进行物体检测，再在物体检测的基础上对物体框内的像素进行语义分割，从而确定物体的轮廓。但是，这类方法受限于物体检测结果的准确程度，并且在速度上会有很大的劣势。

而不基于检测结果的结构在进行检测时，一般是先生成物体的语义特征图，再基于训练好的语义特征图(关联有已知物体对象的信息)进行聚类，从而对单个物体进行区分，找到图片中物体的轮廓以及位置，形成单个物体的像素表示。但是，这类方法受限于语义特征图的准确度，并且后处理较为复杂，因此在速度和精度上均有不足。

那么结合上述基于检测结果的结构以及不基于检测结果的结构在对图像进行实例分割的过程可以看出，相关技术中在对图像进行实例分割时，普遍存在着图像处理速度慢、实例分割的精度差以及分割结果准确性低的问题。

发明内容

有鉴于此，本发明提供一种图像处理方法、装置、终端及存储介质，以便解决相关技术中在对图像进行实例分割时，所存在的图像处理速度慢、实例分割的精度差以及分割结果准确性低的问题。

依据本发明实施例的第一方面，提供了一种图像处理方法，该方法可以包括：

获取待处理图像的第一特征图；

根据所述第一特征图，确定所述待处理图像中存在目标对象的至少一个子区域图像对应的至少一个第一子特征图；

针对所述至少一个第一子特征图中的每个第一子特征图，生成与各第一子特征图匹配的卷积神经网络参数，以及，采用所述卷积神经网络参数对所述各第一子特征图进行处理，生成各第二子特征图；

基于所述各第二子特征图，对所述待处理图像进行目标对象的实例分割，生成所述目标对象的实例分割结果。

依据本发明实施例的第二方面，提供了一种图像处理装置，该装置可以包括：

获取模块，用于获取待处理图像的第一特征图；

确定模块，用于根据所述第一特征图，确定所述待处理图像中存在目标对象的至少一个子区域图像对应的至少一个第一子特征图；

生成模块，用于针对所述至少一个第一子特征图中的每个第一子特征图，生成与各第一子特征图匹配的卷积神经网络参数，以及，采用所述卷积神经网络参数对所述各第一子特征图进行处理，生成各第二子特征图；

分割模块，用于基于所述各第二子特征图，对所述待处理图像进行目标对象的实例分割，生成所述目标对象的实例分割结果。