[发明专利]一种基于卷积实现的图像全景分割预测优化方法

摘要

本发明公开了一种基于卷积实现的图像全景分割优化方法，该方法使用卷积网络为每一个检测出的实例物体预测遮挡优先级排序得分值，并以该遮挡优先级排序得分值为判断依据，优化全景分割中的预测过程，以处理在全景分割中存在的不同实例物体的遮挡问题。本发明使用了卷积层作为特征提取方法，实现了可自主学习的、与预测网络一体化的优化方法，其实现方法简单，可与原有预测网络在同一框架内实现，并且能够显著提高预测结果。

主权项

1.一种基于卷积实现的遮挡优先级排序得分预测的图像全景分割预测优化方法，其特征在于，包括以下步骤：(1)使用语义分割网络预测stuff填充区域，得到原始图像每个像素点的stuff类别预测结果；(2)使用实例分割网络预测object实例区域，得到原始图像检测出的每个object实例检测框及相应的实例分割区域；(3)使用基于卷积实现的遮挡优先级排序得分值预测算法，对不同实例的遮挡优先级排序得分值进行预测；(4)对实例分割网络预测的实例物体，以步骤3预测得到的遮挡优先级排序得分值为依据，从大到小进行排序，依次将每个实例物体对应的前景区域赋值到相应的全景分割的结果中，如果排序靠后的实例物体像素点位置已经被排序靠前的实例物体占用，则丢弃此类像素点；(5)将语义分割得到的stuff预测赋值到相应的全景分割的结果中，若有像素点被步骤4的实例物体占用，则丢弃此类像素点。最终得到全景分割的结果。