[发明专利]图像分割方法、装置、电子设备及存储介质

说明书

本申请实施例公开了一种图像分割方法、装置、电子设备、存储介质、轻量级的图像分割方法，涉及人工智能中深度学习、云计算以及计算机视觉技术领域。具体实现方案为：获取待分割图像，根据预先设置的图像分割模型对待分割图像进行分割，其中，图像分割模型是对预先设置的样本图像进行下采样和上采样生成的，且上采样的输入特征包括样本图像经过下采样的高维特征和低维特征，通过结合下采样和上采样，且上采样的输入特征包括下采样的高维特征和低维特征生成图像分割模型，可以大大减少网络参数的量，降低图像分割模型的计算量，从而当在采用图像分割模型对待分割图像进行分割时，可以提高分割效率，节约计算资源的技术效果。

技术领域

本申请涉及人工智能中深度学习、云计算以及计算机视觉计算领域，具体涉及一种图像分割方法、装置、电子设备、存储介质、轻量级的图像分割方法。

背景技术

随着终端设备的发展和普及，图像分割的技术被广泛地应用。

在现有技术中，图像分割通常采用的方式为：通过样本图像对神经网络模型进行训练，生成用于对图像进行分割的网络模型，并根据网络模型对待分割图像进行分割。

然而发明人在实现本申请的过程中，发现至少存在如下问题：简单的通过样本图像对神经网络模型进行训练，计算量大。

发明内容

提供了一种用于减小计算量的图像分割方法、装置、电子设备、存储介质、轻量级的图像分割方法。

根据第一方面，提供了一种一种图像分割方法，包括：

获取待分割图像；

根据预先设置的图像分割模型对所述待分割图像进行分割，其中，所述图像分割模型是对预先设置的样本图像进行下采样和上采样生成的，且所述上采样的输入特征包括所述样本图像经过下采样的高维特征和低维特征。

在本申请实施例中，通过对样本图像依次进行下采样和上采样，并将样本图像经过下采样的高维特征和低维特征均作为上采样的输入，可以避免计算量大的问题，实现了提高训练的效率，节约计算资源的技术效果。

根据第二方面，本申请实施例提供了一种图象分割装置，包括：

第一获取模块，用于获取待分割图像；

分割模块，用于根据预先设置的图像分割模型对所述待分割图像进行分割，其中，所述图像分割模型是对预先设置的样本图像进行下采样和上采样生成的，且所述上采样的输入特征包括所述样本图像经过下采样的高维特征和低维特征。

根据第三方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例所述的方法。

根据第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。

根据第五方面，本申请实施例提供了一种轻量级的图像分割方法，应用于移动终端，包括：

获取移动终端采集到的待分割图像；

根据预先设置的轻量级的图像分割模型对所述待分割图像进行分割，其中，所述轻量级的图像分割模型是由预先设置的神经网络模型中的编码组件对预先设置的样本图像进行下采样，并由所述神经网络模型中的解码组件对下采样后的样本图像进行上采样生成的，且所述上采样的输入特征包括所述样本图像经过下采样的高维特征和低维特征，且所述编码组件和所述解码组件之间采用跳跃连接的方式连接，且所述高维特征通过跳跃连接的方式作为上采样的输入特征；