[发明专利]利用神经网络进行目标分割的方法、设备和介质

说明书

本公开提供了一种利用神经网络进行目标分割的方法、设备和介质，涉及人工智能技术领域，尤其涉及深度学习和计算机视觉技术领域。该神经网络包括：第一子网络，被配置为接收在先图像以生成在先图像的在先特征图；第一子网络之后的第二子网络，被配置为接收在先图像的在先特征图和在先图像的目标分割结果以生成在先图像的至少一组模板特征；与第一子网络并列的第三子网络，被配置为接收当前图像以生成当前图像的当前特征图；第二子网络和第三子网络之后的第四子网络，被配置为接收当前特征图和在先图像的至少一组模板特征，以生成空时信息特征图；以及第四子网络之后的第五子网络，被配置为接收空时信息特征图以生成当前图像的预测目标分割结果。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习和计算机视觉技术领域，具体涉及一种利用神经网络进行目标分割的方法、设备和介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

目标分割是计算机视觉的一个热门方向，广泛应用于自动驾驶、智能视频监控、工业检测等诸多领域。通过实现计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标分割也就成为了近年来理论和应用的研究热点。由于深度学习的广泛运用，目标分割方法得到了快速的发展，但现有的目标分割方法的准确率仍有待提高。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种利用神经网络进行目标分割的方法、设备和介质。

根据本公开的一方面，提供了一种神经网络，所述神经网络被配置用于接收当前图像、在先图像和所述在先图像的目标分割结果以预测所述当前图像的目标分割结果，所述目标分割结果用于指示对应的图像中的每一个像素的类别，所述神经网络包括：第一子网络，所述第一子网络被配置为接收所述在先图像以生成所述在先图像的在先特征图；所述第一子网络之后的第二子网络，所述第二子网络被配置为接收所述在先图像的在先特征图和所述在先图像的目标分割结果以生成所述在先图像的至少一组模板特征；与所述第一子网络并列的第三子网络，所述第三子网络被配置为接收所述当前图像以生成所述当前图像的当前特征图；所述第二子网络和所述第三子网络之后的第四子网络，所述第四子网络被配置为接收所述当前特征图和所述在先图像的至少一组模板特征，以生成空时信息特征图；以及所述第四子网络之后的第五子网络，所述第五子网络被配置为接收所述空时信息特征图以生成所述当前图像的预测目标分割结果。

根据本公开的另一方面，提供了一种利用神经网络进行目标分割的方法，所述神经网络包括顺序连接的第一子网络、第二子网络、第四子网络、第五子网络和第四子网络之前的第三子网络，所述方法包括：利用所述第一子网络处理在先图像，其中，所述第一子网络被配置为接收所述在先图像以生成所述在先图像的在先特征图；利用所述第二子网络处理所述在先特征图和所述在先图像的目标分割结果，其中，所述第二子网络被配置为接收所述在先特征图和所述在先图像的目标分割结果以生成所述在先图像的至少一组模板特征；利用所述第三子网络处理当前图像，其中，所述第三子网络被配置为接收所述当前图像以生成所述当前图像的当前特征图；利用所述第四子网络处理所述当前特征图和所述在先图像的至少一组模板特征，其中，所述第四子网络被配置为接收所述当前特征图和所述在先图像的至少一组模板特征，以生成空时信息特征图；以及利用所述第五子网络处理所述空时信息特征图，其中，所述第五子网络被配置为接收所述空时信息特征图以生成所述当前图像的预测目标分割结果，其中，所述目标分割结果用于指示对应的图像中的每一个像素的类别。