[发明专利]图像区域分割方法、装置及其模型训练方法及计算机设备

权利要求书

1.一种图像区域分割方法，其特征在于，所述方法包括：

获取原始图像；

利用深度可分离卷积和门控卷积神经网络对所述原始图像的区域轮廓进行特征提取，得到第一轮廓特征图像和语义特征图像；

通过多级边缘检测算法对所述原始图像的区域轮廓进行特征提取，得到第二轮廓特征图像；

将所述第一轮廓特征图像与所述第二轮廓特征图像进行特征融合，得到第三轮廓特征图像；

基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果。

2.根据权利要求1所述的方法，其特征在于，基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果的步骤，包括：

利用ASPP提取所述第三轮廓特征图像和所述语义特征图像中不同尺度的特征；

基于所述不同尺度的特征进行像素分类，得到图像区域分割结果。

3.根据权利要求1所述的方法，其特征在于，所述多级边缘检测算法包括下述至少一种图像处理算法：

灰度化、高斯滤波、直方图均衡化、Canny边缘检测算子。

4.一种图像区域分割模型的训练方法，其特征在于，所述图像区域分割模型用于执行如权利要求1-3任一项所述的图像区域分割方法；所述训练方法包括：

获取带标注数据的图像样本，其中，所述标注数据包括所述图像样本的分割区域轮廓信息；

利用所述带标注数据的图像样本，对初始卷积神经网络模型进行训练，得到多分支的门控卷积神经网络模型；

将所述多分支的门控卷积神经网络模型确定为所述图像区域分割模型。

5.根据权利要求4所述的训练方法，其特征在于，所述多分支包括语义特征分支和轮廓特征分支。

6.根据权利要求4所述的训练方法，其特征在于，在所述初始卷积神经网络模型的训练过程中，利用所述标注数据中的所述分割区域轮廓信息和轮廓内的语义特征信息进行深度学习的损失计算和模型优化。

7.根据权利要求4所述的训练方法，其特征在于，所图像样本的图像内容包括下述任意一项或多项：

机动车登记证、行驶证、身份证。

8.一种图像区域分割装置，其特征在于，包括：

获取模块，用于获取原始图像；

第一提取模块，用于利用深度可分离卷积和门控卷积神经网络对所述原始图像的区域轮廓进行特征提取，得到第一轮廓特征图像和语义特征图像；

第二提取模块，用于通过多级边缘检测算法对所述原始图像的区域轮廓进行特征提取，得到第二轮廓特征图像；

融合模块，用于将所述第一轮廓特征图像与所述第二轮廓特征图像进行特征融合，得到第三轮廓特征图像；

分类模块，用于基于所述第三轮廓特征图像和所述语义特征图像进行像素分类，得到图像区域分割结果。

9.一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。