[发明专利]图像语义分割的方法和装置

说明书

本发明公开了一种图像语义分割的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对训练集中的每个图像进行边缘信息提取，得到每个所述图像的物体边缘信息二值图，将所述物体边缘信息二值图作为每个所述图像对应的监督信号；对每个所述图像进行特征提取得到每个所述图像的特征图集合，所述特征图集合包括大小不同的多个特征图；对每个所述图像的特征图集合中指定大小的特征图施加所述监督信号并进行模型训练，得到图像语义分割模型；将待分割图像输入所述图像语义分割模型以进行图像语义分割。该实施方式能够减少不必要的计算资源，节省了推理时间，提高了图像语义分割的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像语义分割的方法和装置。

背景技术

图像语义分割是计算机视觉领域的一个重要课题，是机器视觉技术中关于图像理解的重要一环。近年的自动驾驶技术中，也需要用到这种技术，车载摄像头探查到图像，后台计算机可以自动将图像分割并归类识别，以避让行人和车辆等障碍。业内普遍使用深度学习模型(神经网络)作为图像语义分割的模型。在深度学习图像语义分割模型中，可以利用物体边缘的信息来提升图像语义分割的效果，一般是提前计算好物体的边缘信息，把物体的边缘信息和图片一起作为模型输入，来进行模型训练和推理。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

把物体的边缘信息和图片一起作为模型输入，来进行模型训练和推理，大大增加了模型训练和推理的输入数据量，浪费了推理时间和计算资源，语义分割效率低，降低了自动驾驶的安全性。

发明内容

有鉴于此，本发明实施例提供一种图像语义分割的方法和装置，能够减少不必要的计算资源，节省了推理时间，提高了图像语义分割的效率，提升了自动驾驶的安全性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像语义分割的方法，包括：

对训练集中的每个图像进行边缘信息提取，得到每个所述图像的物体边缘信息二值图，将所述物体边缘信息二值图作为每个所述图像对应的监督信号；

对每个所述图像进行特征提取得到每个所述图像的特征图集合，所述特征图集合包括大小不同的多个特征图；

对每个所述图像的特征图集合中指定大小的特征图施加所述监督信号并进行模型训练，得到图像语义分割模型；

将待分割图像输入所述图像语义分割模型以进行图像语义分割。

可选地，对训练集中的每个图像进行边缘信息提取，得到每个所述图像的物体边缘信息二值图，包括：对训练集中的每个图像分别进行如下操作以得到每个所述图像的物体边缘信息二值图：通过对所述图像进行人工标注获得语义分割标注的灰度图；分别对所述灰度图进行横向扫描和纵向扫描，得到横向边缘图和纵向边缘图；对所述横向边缘图和所述纵向边缘图进行合并，得到所述图像的物体边缘信息二值图。

可选地，对所述灰度图进行横向扫描得到横向边缘图，包括：沿着图片的横轴方向，从左往右依次判断相邻像素的灰度值是否相同；将灰度值不同的两个相邻像素标记为边缘像素，将所述边缘像素构成的图片作为横向边缘图；对所述灰度图进行纵向扫描得到纵向边缘图，包括：沿着图片的纵轴方向，从上往下依次判断相邻像素的灰度值是否相同；将灰度值不同的两个相邻像素标记为边缘像素，将所述边缘像素构成的图片作为纵向边缘图。

可选地，对所述横向边缘图和所述纵向边缘图进行合并，包括：对所述横向边缘图和所述纵向边缘图进行像素的逻辑或运算以进行合并。

可选地，对每个所述图像的特征图集合中指定大小的特征图施加所述监督信号并进行模型训练，包括：对每个所述图像的特征图集合中指定大小的特征图，利用所述图像的物体边缘信息二值图的真值和所述指定大小的特征图之间的差异，基于梯度下降法进行模型训练。