[发明专利]图像语义分割方法、装置、电子设备及存储介质

说明书

本公开实施例公开了一种图像语义分割方法、装置、电子设备及存储介质，所述方法包括：获取待处理图像；确定所述待处理图像中像素点的初始分类预测结果；基于所述初始分类预测结果对所述待处理图像的图像特征进行特征增强处理；根据特征增强处理后的所述图像特征获得所述待处理图像的语义分割预测结果。该技术方案由于使用特征增强处理后的图像特征对像素点进行聚类能够使得聚类精度更高，因此最终得到的语义分割预测结果也更加准确。

技术领域

本公开涉及计算机技术领域，具体涉及一种图像语义分割方法、装置、电子设备及存储介质。

背景技术

随着技术的发展，图像语义分割在相关领域被大规模使用，而其中的上下文信息的关系提取成为了提升图像语义分割模型效果的重要途径。图像语义分割问题可以看作是不同像素点之间的聚类问题。本公开发明人发现，采用GCN(图卷积神经网络)的传统图像语义分割模型中，大多数利用GCN网络去探索像素点之间全局的上下文关系。但是，这类采用GCN传统图像语义分割模型所使用的邻接矩阵采用一种类似注意力机制的方法，通过对图像特征进行变换而得到，上述这种方式得到的邻接矩阵不具备明确的解释性，并且由于缺乏监督信息，需要模型图像语义分割模型自行学习邻接矩阵中各个像素点之间的连接关系，因此训练出的图像语义分割模型的识别效果并不理想。

发明内容

本公开实施例提供一种图像语义分割方法、装置、电子设备及计算机可读存储介质。

第一方面，本公开实施例中提供了一种图像语义分割方法，其中，包括：

获取待处理图像；

确定所述待处理图像中像素点的初始分类预测结果；

基于所述初始分类预测结果对所述待处理图像的图像特征进行特征增强处理；

根据特征增强处理后的所述图像特征获得所述待处理图像的语义分割预测结果。

进一步地，基于所述初始分类预测结果对所述待处理图像的图像特征进行特征增强处理，包括：

根据所述初始分类预测结果构建所述待处理图像的邻接矩阵；其中，所述邻接矩阵用于描述所述待处理图像中像素点之间的语义相关关系；

基于所述邻接矩阵对所述图像特征进行特征增强处理。

进一步地，根据所述初始分类预测结果构建所述待处理图像对应的邻接矩阵，包括：

通过将分类矩阵与分类矩阵的转置进行相乘的方式构建所述邻接矩阵；所述分类矩阵为所述初始分类预测结果的矩阵形式。

进一步地，所述特征增强处理包括多个阶段，基于所述邻接矩阵对所述图像特征进行特征增强处理，包括：

基于所述邻接矩阵对输入特征进行当前阶段的特征增强处理；其中，所述输入特征为所述图像特征或者上一阶段的特征增强处理得到的输出特征；

根据特征增强处理后的所述图像特征获得所述待处理图像的语义分割预测结果，包括：

根据最后一个阶段的特征增强处理得到的输出特征获取所述语义分割预测结果。

进一步地，确定所述待处理图像中像素点的初始分类预测结果，包括：

利用语义分割模型中的基础模型获取所述待处理图像的图像特征；

利用所述语义分割模型中的分类模型对所述待处理图像中的像素点进行分类预测，获得所述初始分类预测结果；

基于所述邻接矩阵对所述图像特征进行特征增强处理，包括：

利用所述语义分割模型中的特征增强模型，基于所述邻接矩阵对所述图像特征进行特征增强处理。

进一步地，所述方法还包括：