[发明专利]实例分割方法、装置、电子设备及存储介质

权利要求书

1.一种实例分割方法，其特征在于，所述方法包括：

获取训练好的实例分割模型中的第一子网络、所述训练好的实例分割模型中的第二子网络、以及包含待分割物体的目标图像；

分别对所述第一子网络、所述第二子网络进行转换处理，得到所述第一子网络对应的第一加速执行模型、以及所述第二子网络对应的第二加速执行模型；

调用所述第一加速执行模型对所述目标图像进行特征提取处理，得到所述目标图像的第一特征数据；

根据所述第一特征数据进行预测处理，得到所述目标图像的第二特征数据；

调用所述第二加速执行模型对所述第二特征数据进行预测处理，得到所述目标图像的实例分割结果。

2.根据权利要求1所述的实例分割方法，其特征在于，所述分别对所述第一子网络、所述第二子网络进行转换处理，得到所述第一子网络对应的第一加速执行模型、以及所述第二子网络对应的第二加速执行模型，包括：

分别对所述第一子网络、所述第二子网络进行转换处理，得到所述第一子网络对应的第一ONNX模型、以及所述第二子网络对应的第二ONNX模型；

根据预设的推理优化器，对所述第一ONNX模型进行转换处理得到所述第一子网络对应的第一加速执行模型，并对所述第二ONNX模型进行转换处理得到所述第二子网络对应的第二加速执行模型。

3.根据权利要求2所述的实例分割方法，其特征在于，所述根据预设的推理优化器，分别对所述第一子网络、所述第二子网络进行转换处理，得到所述第一子网络对应的第一ONNX模型、以及所述第二子网络对应的第二ONNX模型，包括：

获取所述第一子网络的第一模型参数、所述第二子网络的第二模型参数；

将所述第一模型参数加载至所述推理优化器的第一基准模型，得到所述第一子网络对应的第一ONNX模型；将所述第二模型参数加载至所述推理优化器的第二基准模型，得到所述第二子网络对应的第二ONNX模型。

4.根据权利要求3所述的实例分割方法，其特征在于，所述第二ONNX模型、以及所述第二加速执行模型均已设置为动态输入输出。

5.根据权利要求1所述的实例分割方法，其特征在于，所述调用所述第一加速执行模型对所述目标图像进行特征提取处理，得到所述目标图像的第一特征数据，包括：

初始化所述第一加速执行模型；

将所述目标图像输入至所述第一加速执行模型，以调用所述第一加速执行模型对所述目标图像进行特征提取处理，得到所述目标图像的第一特征数据。

6.根据权利要求1所述的实例分割方法，其特征在于，所述根据所述第一特征数据进行预测处理，得到所述目标图像的第二特征数据，包括：

根据所述第一特征数据进行实例分割预测处理，得到所述目标图像的初步分割信息；

将所述初步分割信息作为所述目标图像的第二特征数据。

7.根据权利要求6所述的实例分割方法，其特征在于，所述调用所述第二加速执行模型对所述第二特征数据进行预测处理，得到所述目标图像的实例分割结果，包括：

初始化所述第二加速执行模型；

将所述初步分割信息输入至所述第二加速执行模型，以调用所述第二加速执行模型对所述初步分割信息进行置信度预测处理，得到所述初步分割信息的第一置信度；

根据所述第一置信度确定所述目标图像的实例分割结果。