[发明专利]基于多重特征的目标物分割方法、装置、设备及存储介质在审

专利信息
申请号: 202110581188.3 申请日: 2021-05-27
公开(公告)号: CN113284047A 公开(公告)日: 2021-08-20
发明(设计)人: 范栋轶;李君;郭振;王立龙;梁倩倩 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06T7/11;G06T7/13;G06T7/187
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 多重 特征 目标 分割 方法 装置 设备 存储 介质
【权利要求书】:

1.一种基于多重特征的目标物分割方法,其特征在于,所述方法包括:

获取目标物图像集,对所述目标物图像集进行尺寸缩放,得到相同尺寸的标准图像集;

对所述标准图像集进行图像标注,得到所述标准图像集中各标准图像的真实标签;

利用预构建的初始分割网络对所述标准图像集中各标准图像进行多重特征提取,得到各标准图像对应的多重图像特征;

分别对所述多重图像特征进行图像分割,得到每重图像特征对应的预测分割结果;

计算所述预测分割结果与所述真实标签的损失值,并根据所述损失值对所述初始分割模型进行参数调整,得到目标物分割模型;

获取待分割图像,利用所述目标物分割模型对所述待分割图像进行目标物分割,得到目标物分割结果。

2.如权利要求1所述的基于多重特征的目标物分割方法,其特征在于,所述对所述目标物图像集进行尺寸缩放,得到相同尺寸的标准图像集,包括:

统计所述目标物图像集中每一张目标物图像的尺寸,得到多个图像尺寸;

根据所述多个图像尺寸计算所述目标物图像集中所有目标物图像的尺寸的公倍数;

将所述目标物图像集中每一张目标物图像按照所述公倍数进行放大,得到相同尺寸的标准图像集。

3.如权利要求1所述的基于多重特征的目标物分割方法,其特征在于,所述利用预构建的初始分割网络对所述标准图像集中各标准图像进行多重特征提取,得到各标准图像对应的多重图像特征,包括:

利用所述初始分割网络对所述标准图像集中每一张标准图像进行卷积、池化处理,得到池化图像;

对所述池化图像进行全连接处理,得到全连接特征图;

对所述全连接特征图进行多尺度的特征提取,得到多重图像特征。

4.如权利要求3所述的基于多重特征的目标物分割方法,其特征在于,所述对所述池化图像进行全连接处理,得到全连接特征图,包括:

利用第一全连接层对所述池化图像进行全连接处理,得到中间图像;

利用第二全连接层对所述中间图像进行全连接处理,得到全连接特征图。

5.如权利要求1至4中任一项所述的基于多重特征的目标物分割方法,其特征在于,所述分别对所述多重图像特征进行图像分割,得到所述多重图像特征对应的预测分割结果,包括:

对所述多重图像特征进行类型识别,得到目标物类型;

对所述多重图像特征进行边界划分,得到目标物边界。

6.如权利要求5所述的基于多重特征的目标物分割方法,其特征在于,所述对所述多重图像特征进行类型识别,得到目标物类型,包括:

获取预设的特征表,所述特征表中包含多个标准特征及所述标准特征对应的标准类型;

分别计算所述多重图像特征与所述标准特征的相似度;

确定所述相似度大于预设相似阈值的标准特征对应的标准类型为所述多重图像特征的目标物类型。

7.如权利要求5所述的基于多重特征的目标物分割方法,其特征在于,所述对所述多重图像特征进行边界划分,得到目标物边界,包括:

分别遍历所述多重图像特征中每一个像素的像素值;

按照预设的像素阈值对每一个像素进行划分,得到所述多重特征中的目标物边界。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110581188.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top