[发明专利]用于分割图像的方法、装置、设备和计算机可读介质

权利要求书

1.一种用于分割图像的方法，包括：

将输入图像输入预先训练的通用子网络，得到通用特征，其中，所述通用子网络是利用常规数据集训练完成的；

将输入图像输入预先训练的特定任务子网络，得到特定任务特征，其中，所述特定任务子网络包括至少一个编码阶段；

基于注意力机制网络，将所述通用特征添加到所述特定任务特征上，得到目标任务特征；

对所述特定任务特征进行解码操作，得到融合特征；

利用渐进网络对所述目标任务特征和所述融合特征进行集成，得到所述输入图像中的显著物体的分割图；

其中，所述基于注意力机制网络，将所述通用特征添加到所述特定任务特征上，得到目标任务特征，包括：

基于所述通用特征，生成通用注意力图；

基于所述通用注意力图和残差模块，得到跨域特征差异；

将所述跨域特征差异添加到所述特定任务特征上，得到目标任务特征；

其中，所述对所述特定任务特征进行解码操作，得到融合特征，包括：

将所述特定任务特征通过第一目标卷积层，得到第一卷积特征；

基于所述输入图像的图像信息对所述第一卷积特征进行采样，得到边界分支特征；

将所述特定任务特征通过第二目标卷积层，得到第二卷积特征；

基于转置卷积对所述第二卷积特征进行采样，得到内部分支特征和过渡分支特征；

基于所述边界分支特征、过渡分支特征和所述内部分支特征，得到融合特征。

2.根据权利要求1所述的方法，其中，所述通用注意力图是根据以下公式确定的：

其中，表示通用注意力图；

ζ_s表示空间上的逻辑回归操作；

ζ_c表示通道上的逻辑回归操作；

GAP表示全局平均池化操作；

表示矩阵相乘；

表示通用特征。

3.根据权利要求2所述的方法，其中，所述融合特征是根据以下公式确定的：

其中，表示融合特征；

表示矩阵相乘；

表示边界分支特征；

表示内部置信图；

表示边界置信图；

表示过渡分支特征；

表示内部分支特征。

4.根据权利要求1所述的方法，其中，所述输入图像中的显著物体的分割图是通过以下步骤得到的：

响应于所述输入图像基于所述特定任务子网络得到多个分割图，将第一解码分割图作为所述输入图像中的显著物体的分割图。

5.一种用于分割图像的装置，包括：

第一生成模块，被配置成将输入图像输入预先训练的通用子网络，得到通用特征，其中，所述通用子网络是利用常规数据集训练完成的；

第二生成模块，被配置成将输入图像输入预先训练的特定任务子网络，得到特定任务特征，其中，所述特定任务子网络包括至少一个编码阶段；

添加模块，被配置成基于注意力机制网络，将所述通用特征添加到所述特定任务特征上，得到目标任务特征；

解码模块，被配置成对所述特定任务特征进行解码操作，得到融合特征；

集成模块，被配置成利用渐进网络对所述目标任务特征和所述融合特征进行集成，得到所述输入图像中的显著物体的分割图；

其中，所述添加模块，被配置成：

基于所述通用特征，生成通用注意力图；

基于所述通用注意力图和残差模块，得到跨域特征差异；

将所述跨域特征差异添加到所述特定任务特征上，得到目标任务特征；

其中，所述解码模块，被配置成：

将所述特定任务特征通过第一目标卷积层，得到第一卷积特征；

基于所述输入图像的图像信息对所述第一卷积特征进行采样，得到边界分支特征；

将所述特定任务特征通过第二目标卷积层，得到第二卷积特征；

基于转置卷积对所述第二卷积特征进行采样，得到内部分支特征和过渡分支特征；

基于所述边界分支特征、过渡分支特征和所述内部分支特征，得到融合特征。