[发明专利]图像分割方法及装置、电子设备和存储介质

权利要求书

1.一种图像分割方法，其特征在于，所述图像分割方法采用神经网络进行处理，所述神经网络包括N级预测子网络，其中，N为大于1的整数，所述N级预测子网络中的任意一级预测子网络包括第一模块，所述方法包括：

获取待处理图像的第一待处理特征；

获取所述待处理图像的第一浅层特征，其中，所述第一浅层特征不同于所述第一待处理特征；

根据所述第一待处理特征，以及所述第一浅层特征，得到所述待处理图像的第一边缘预测图；

根据所述第一边缘预测图，对所述第一待处理特征进行调整，得到调整后的第一待处理特征；

根据所述调整后的第一待处理特征，得到所述待处理图像的第一分割预测图；

其中，所述根据所述第一待处理特征，以及所述第一浅层特征，得到所述待处理图像的第一边缘预测图，包括：

对于所述N级预测子网络中的任意一级预测子网络，将所述待处理图像对应于该级预测子网络的第一待处理特征和所述第一浅层特征输入该级预测子网络的第一模块，经由该级预测子网络的第一模块输出所述待处理图像对应于该级预测子网络的第一边缘预测图。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一边缘预测图，对所述第一待处理特征进行调整，得到调整后的第一待处理特征，包括：

根据所述第一边缘预测图，确定K个第一关键点，其中，K为大于1的整数；

对所述第一待处理特征中，所述K个第一关键点的初始特征进行调整，得到调整后的第一待处理特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一边缘预测图，确定K个第一关键点，包括：

将所述第一边缘预测图中属于边缘的概率最高的K个像素点，确定为K个第一关键点。

4.根据权利要求2或3所述的方法，其特征在于，所述对所述第一待处理特征中，所述K个第一关键点的初始特征进行调整，得到调整后的第一待处理特征，包括：

根据所述第一待处理特征，得到所述K个第一关键点的初始特征；

对所述K个第一关键点的初始特征进行图卷积操作，得到所述K个第一关键点的调整后的特征；

根据所述K个第一关键点的调整后的特征，调整所述第一待处理特征中所述K个第一关键点的初始特征，得到调整后的第一待处理特征。

5.根据权利要求1所述的方法，其特征在于，在所述对于所述N级预测子网络中的任意一级预测子网络，将所述待处理图像对应于该级预测子网络的第一待处理特征和所述待处理图像的第一浅层特征输入该级预测子网络的第一模块之前，所述方法还包括：

获取训练图像的边缘真值图和所述训练图像的非边缘真值图；

通过该级预测子网络的第一模块，对所述训练图像对应于该级预测子网络的第二待处理特征和所述训练图像的第二浅层特征进行处理，得到所述训练图像对应于该级预测子网络的第二边缘预测图和所述训练图像对应于该级预测子网络的非边缘预测图；

根据所述训练图像对应于该级预测子网络的第二边缘预测图、所述训练图像对应于该级预测子网络的非边缘预测图、所述训练图像的边缘真值图和所述训练图像的非边缘真值图，训练所述神经网络。

6.根据权利要求5所述的方法，其特征在于，所述通过该级预测子网络的第一模块，对所述训练图像对应于该级预测子网络的第二待处理特征和所述训练图像的第二浅层特征进行处理，得到所述训练图像对应于该级预测子网络的第二边缘预测图和所述训练图像对应于该级预测子网络的非边缘预测图，包括：

通过该级预测子网络的第一模块，对所述训练图像对应于该级预测子网络的第二待处理特征和所述训练图像的第二浅层特征进行处理，得到所述训练图像对应于该级预测子网络的边缘特征；

根据所述训练图像对应于该级预测子网络的边缘特征，得到所述训练图像对应于该级预测子网络的第二边缘预测图；

根据所述训练图像对应于该级预测子网络的第二待处理特征和所述训练图像对应于该级预测子网络的边缘特征，得到所述训练图像对应于该级预测子网络的非边缘特征；

根据所述训练图像对应于该级预测子网络的非边缘特征，得到所述训练图像对应于该级预测子网络的非边缘预测图。