[发明专利]在图像中对稀疏分布的对象进行分割的方法和系统

权利要求书

1.一种在图像中对稀疏分布的对象进行分割的方法，所述方法利用全卷积神经网络进行分割，以得到表征所述图像的每个像素点属于对象的概率值的概率图像，其特征在于，所述方法包括如下步骤：

将所述图像输入到第一全卷积网络，以对所述图像内的对象可能区域进行预测；

将所述图像中表征所述对象可能区域的子图像用作第二全卷积网络的前端输入，以计算子概率图像，所述第二全卷积网络被配置为以高于所述第一全卷积网络使用的分辨率的分辨率对所述子图像进行分割；以及

将计算得到的子概率图像拼接起来以生成所述概率图像。

2.根据权利要求1所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，所述第一全卷积网络由下采样层以及一次或多于一次交替连接的卷积层与下采样层依序连接构成。

3.根据权利要求1所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，所述第一全卷积网络构成为：用于预测相对应的像素为背景区域的概率值的单个卷积层；或者，所述用于预测相对应的像素为背景区域的概率值的单个卷积层及基于该卷积层的预测进行选择性卷积操作的稀疏卷积层的依序连接。

4.根据权利要求1所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，包括将所述第一全卷积网络的预测结果和/或所述全卷积神经网络中的卷积层所提取的图像特征作为中间输入接入到第二全卷积网络中的适当位置处的步骤，所述预测结果包括所述对象可能区域和预测概率图像。

5.根据权利要求4所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，将所述第一全卷积网络的预测结果和/或所述卷积层所提取的图像特征作为中间输入接入到第二全卷积网络中的步骤包括：

将所述卷积层所提取的图像特征和/或所述预测概率图像插入到第二全卷积网络内的位置处，以与该位置处现有的信息进行结合操作。

6.根据权利要求4所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，将所述第一全卷积网络的预测结果和/或所述卷积层所提取的图像特征作为中间输入接入到第二全卷积网络中的步骤包括：

将所述第一全卷积网络和/或所述第二全卷积网络中一定位置处的信息跳过一个或多于一个计算层输送给后面的位置，以与所述后面的位置处现有的信息进行结合。

7.根据权利要求4所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，将所述第一全卷积网络的预测结果和/或所述卷积层所提取的图像特征作为中间输入接入到第二全卷积网络中的步骤包括：

在所述第一全卷积网络和/或所述第二全卷积网络中，在两个位置之间加入并行的卷积操作，以将该并行的卷积操作所得信息与两个位置中后面的位置处现有的信息进行结合操作。

8.根据权利要求6所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，所述一定位置和所述后面的位置分别是所述第二全卷积网络中的相同类型层的输出处和输入处。

9.根据权利要求1-8中任何一项所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，在所述全卷积神经网络中的至少一个卷积层与其前一节点之间引入用于蒙版计算的卷积层，使得该至少一个卷积层基于计算所得的蒙版执行卷积操作。

10.根据权利要求4-8中任何一项所述的在图像中对稀疏分布的对象进行分割的方法，其特征在于，所述方法包括对所述全卷积神经网络进行训练，并且所述训练包括如下中的至少一种：对训练好的全卷积神经网络进行转移训练，以转用于维度相同且亮度分布接近的不同图像的分割；当所述第二全卷积网络没有中间输入或其中间输入不包含来自所述第一全卷积网络的卷积层所提取的图像特征时，对所述第一全卷积网络和所述第二全卷积网络分别进行训练。