[发明专利]图像分割方法及相关装置

权利要求书

1.一种图像分割方法，其特征在于，应用于电子设备，所述电子设备预先配置图像分割网络模型，所述图像分割网络模型包括编码模块、特征平衡模块和解码模块，所述方法包括：

将输入图像输入到所述编码模块进行特征提取，得到特征图像，并对所述特征图像逐步进行下采样操作，得到N层图像特征，所述输入图像为交通场景图像，所述N为大于1的整数；

将所述N层图像特征输入到所述特征平衡模块，得到融合后的N个融合图像特征，所述特征平衡模块用于融合不同层次的图像特征；将所述N个融合图像特征输入到所述解码模块进行上采样，得到N个上采样图像，每一特征融合图像对应一个上采样图像，所述解码模块通过双线性插值上采样逐步恢复图像特征的分辨率，并使用所述编码模块中提取的特征帮助恢复目标的边界细节；

将所述N个上采样图像与所述N个融合图像特征进行拼接融合，得到图像分割结果，以使融合后的特征能平衡的包含图像泛化的细节信息和抽象的语义信息；

其中，所述将所述N层图像特征输入到所述特征平衡模块，得到融合后的N个融合图像特征，包括：

将所述N层图像特征中每一层图像特征的通道数调整一致，得到调整后的所述N层图像特征；

使用最大池化或者双线性插值将调整后的所述N层图像特征尺寸调整为一致，并基于尺寸一致后的所述N层图像特征进行逐像素加权求和运算，得到N个第一特征；

将所述N个第一特征输入到自注意力模块，得到融合后的所述N个融合图像特征；

其中，在所述特征平衡模块包括Fuse网络和Refine网络时；

所述将所述N层图像特征输入到所述特征平衡模块，得到融合后的N个融合图像特征，包括：

将所述N层图像特征输入到所述Fuse网络，得到N个初级融合特征；

将所述N个初级融合特征输入到所述Refine网络，得到融合后的所述N个融合图像特征。

2.根据权利要求1所述的方法，其特征在于，针对多个类别中的任意两个类别时，在所述将输入图像输入到所述编码模块进行下采样操作之前，所述方法还包括：

获取样本图像以及所述样本图像对应的第一标签图像；

将所述样本图像输入到预设图像分割网络模型，得到预测结果；

对所述预测结果进行标签化处理，得到第二标签图像；

依据所述第一标签图像和所述第二标签图像确定预设损失函数，所述预设损失函数包括权值对，所述权值对包括第一权值和第二权值，所述第一权值用于调整背景的分割结果，所述第二权值用于调整目标分割结果；

将所述预测结果输入到所述预设损失函数，得到运算结果；

依据所述运算结果调整所述预设图像分割网络模型的模型参数，得到所述图像分割网络模型。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

统计所述图像分割网络模型的训练集中各个类别数据的标签比例，得到多个比例值；

在比例值i小于预设阈值以及比例值j大于或等于所述预设阈值时，将所述比例值j对应的类别作为普通类别数据d1，将所述比例值i对应的类别作为少样本类别数据d2，所述比例值i和所述比例值j为所述多个比例值中的两个比例值；

在训练阶段，循环N次执行如下步骤S1-S2：

S1：从所述d1中抽取第一数据，利用所述第一数据训练所述图像分割网络模型k次，得到k次训练后的所述图像分割网络模型；

S2：从所述d2中抽取第二数据，利用所述第二数据训练经过k次训练后的所述图像分割网络模型，得到再次训练后的所述图像分割网络模型；

其中，所述N为大于1的整数，其中，k=num(d1)/（n*num(d2)），num(d1)为所述第一数据的样本数量，num(d2)为所述第二数据的样本数量，n为大于0的实数。