[发明专利]一种分尺度提取掩码特征的实例分割方法

权利要求书

1.一种分尺度提取掩码特征的实例分割方法，其特征在于，所述方法包括：

基于预设实例分割模型的骨干神经网络获取待处理图像的多个不同尺寸的特征图；

基于所述预设实例分割模型的掩码卷积核分支与所述特征图确定各个所述特征图的卷积核参数；

基于所述预设实例分割模型的分尺度掩码特征图分支与所述特征图确定所述待处理图像的多个掩码特征图，所述分尺度掩码特征图分支包括多个扩张卷积分支，每个所述扩张卷积分支对应一个掩码特征图；

根据同一语义类别的各个所述掩码特征图与目标卷积核参数生成实例掩码，并基于所述实例掩码对待处理图像进行实例分割；

所述方法还包括：

根据扩张率确定目标尺寸范围；

根据所述目标尺寸范围从多个所述特征图中确定目标特征图；

根据所述目标特征图确定所述目标卷积核参数；

根据所述扩张率确定目标尺寸范围，具体为：

获取所述待处理图像所有所述特征图的尺寸范围；

基于所述扩张卷积分支的数量将所述尺寸范围划分为多个所述目标尺寸范围，所述目标尺寸范围的数量与所述扩张卷积分支的数量相同；

根据所述扩张率的大小确定所述目标尺寸范围。

2.如权利要求1所述的方法，其特征在于，在基于所述预设实例分割模型的掩码卷积核分支与所述待处理图像的多个不同尺寸的特征图确定所述待处理图像的各个特征图的卷积核参数之前，所述方法还包括：

对各所述特征图进行双线性插值，以分别得到预设尺寸的特征图。

3.如权利要求1所述的方法，其特征在于，在基于所述预设实例分割模型的分尺度掩码特征图分支与所述待处理图像的多个不同尺寸的特征图确定所述待处理图像的多个待处理图像的掩码特征图之前，所述方法还包括：

去除尺寸最小的所述特征图，将剩余所述特征图采样至所述待处理图像尺寸的四分之一大小并合并。

4.如权利要求1所述的方法，其特征在于，在根据同一语义类别的各个所述掩码特征图与对应的目标卷积核参数生成实例掩码之前，所述方法还包括：

基于所述预设实例分割模型的分类分支与所述特征图确定所述语义类别。

5.如权利要求4所述的方法，其特征在于，所述预设实例分割模型的损失函数包括所述分类分支的损失函数和所述分尺度掩码特征图分支的损失函数，所述分尺度掩码特征图分支的损失函数为各个扩张卷积分支的损失函数的和。

6.如权利要求1所述的方法，其特征在于，在基于预设实例分割模型的骨干神经网络获取待处理图像的多个不同尺寸的特征图之前，所述方法还包括：

通过预设数据增强策略对所述待处理图像进行数据增强，使所述待处理图像的样本得到扩充。

7.一种分尺度提取掩码特征的实例分割设备，其特征在于，所述设备包括：

特征图获取模块，基于预设实例分割模型的骨干神经网络获取待处理图像的多个不同尺寸的特征图；

掩码卷积核模块，基于所述预设实例分割模型的掩码卷积核分支与所述特征图确定所述待处理图像的各个特征图的卷积核参数；

分尺度掩码特征图模块，基于所述预设实例分割模型的分尺度掩码特征图分支与所述特征图确定所述待处理图像的多个掩码特征图，所述分尺度掩码特征图分支包括多个扩张卷积分支，每个所述扩张卷积分支对应一个掩码特征图；

实例掩码生成模块，根据同一语义类别的各个所述掩码特征图与目标卷积核参数生成实例掩码，并基于所述实例掩码对待处理图像进行分割；

根据扩张率确定目标尺寸范围；

根据所述目标尺寸范围从多个所述特征图中确定目标特征图；

根据所述目标特征图确定所述目标卷积核参数；

根据所述扩张率确定目标尺寸范围，具体为：

获取所述待处理图像所有所述特征图的尺寸范围；

基于所述扩张卷积分支的数量将所述尺寸范围划分为多个所述目标尺寸范围，所述目标尺寸范围的数量与所述扩张卷积分支的数量相同；

根据所述扩张率的大小确定所述目标尺寸范围。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1－6任一项所述的方法。