CN112053362B - 图像分割方法、装置、电子设备及存储介质 - Google Patents
图像分割方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112053362B CN112053362B CN202010675328.9A CN202010675328A CN112053362B CN 112053362 B CN112053362 B CN 112053362B CN 202010675328 A CN202010675328 A CN 202010675328A CN 112053362 B CN112053362 B CN 112053362B
- Authority
- CN
- China
- Prior art keywords
- visual
- graph
- semantic
- matrix
- enhanced
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003709 image segmentation Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 219
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 126
- 230000015654 memory Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012512 characterization method Methods 0.000 abstract description 5
- 230000002452 interceptive effect Effects 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 13
- 230000003993 interaction Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000012633 leachable Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了图像分割方法、装置、电子设备及存储介质，涉及图像处理、计算机视觉、自然语义处理、深度学习技术领域。具体实现方案为：分别获取输入图像和语义图，对输入图像进行视觉特征提取，并根据该视觉特征生成视觉图；接着，根据语义图对视觉图进行增强以生成增强视觉图；对增强视觉图进行反投影以生成局部增强像素级特征，以及根据局部增强像素级特征进行图像分割。该方法通过语义图对视觉图进行增强以生成增强视觉图，可促进语义图与视觉图的交互操作，改善视觉图的上下文推理，根据增强视觉图反投影生成局部增强像素级特征，可增强局部增强像素的表征能力，从而根据该局部增强级特征进行图像分割可有效地提升图像的分割性能和精度。
Description
技术领域
本申请涉及计算机技术领域，具体涉及图像处理、计算机视觉、自然语言处理、深度学习技术领域，尤其涉及图像分割方法、装置、电子设备及存储介质。
背景技术
随着计算机技术的发展，图像分割技术应用越来越广泛，例如，医学图像分割、自然图像分割等。其中，图像分割技术是指把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术。
目前，主要基于视觉图上下文推理建模进行图像分割。相关技术中，通过对输入样本的视觉特征图构建视觉图，然后在视觉图上进行信息传播和上下文推理，以进行图像分割。但是，上述方法中建模的上下文推理关系简单，导致图像分割性能和分割精度较低。
发明内容
提供了一种用于图像分割的方法、装置、电子设备以及存储介质。
根据第一方面，提供了一种图像分割的方法，包括：获取输入图像，并提取所述输入图像的视觉特征；根据所述输入图像的视觉特征生成视觉图；获取语义图；根据所述语义图对所述视觉图进行增强以生成增强视觉图；对所述增强视觉图进行反投影以生成局部增强像素级特征；以及根据所述局部增强像素级特征进行图像分割。
根据第二方面，提供了一种图像分割装置，包括：第一获取模块，用于获取输入图像，并提取所述输入图像的视觉特征；第一生成模块，用于根据所述输入图像的视觉特征生成视觉图；第二获取模块，用于获取语义图；第二生成模块，用于根据所述语义图对所述视觉图进行增强以生成增强视觉图；反投影模块，用于对所述增强视觉图进行反投影以生成局部增强像素级特征；分割模块，用于根据所述局部增强像素级特征进行图像分割。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的图像分割方法。
根据第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的图像分割方法。
本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序产品在被处理器执行时实现上述的图像分割方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是根据本申请第三实施例的示意图；
图4是根据本申请实施例的图像分割方法流程示意图；
图5是根据本申请第四实施例的示意图；
图6是用来实现本申请实施例的图像分割方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的图像分割方法、装置、电子设备及存储介质。
图1是根据本申请第一实施例的示意图。其中，需要说明的是，本申请实施例的执行主体为图像分割装置，图像分割装置具体可以为硬件设备，或者硬件设备中的软件等。
如图1所示，图像分割方法的具体实现过程如下：
步骤101，获取输入图像，并提取输入图像的视觉特征。
在本申请实施例中，可在图像分割装置上设置输入图像接口，用户可通过输入图像接口上传图像，从而图像分割装置可获取到用户上传的图像，并将获取到的用户上传的图像作为输入图像，其中，输入图像可包括但不限于医学图像、自然图像等。
作为一种示例，图像分割装置可通过深度学习技术对输入图像进行视觉特征提取，以获取输入图像的视觉特征。图像分割装置可通过卷积神经网络对输入图像进行视觉特征提取，以获取输入图像的视觉特征。
步骤102，根据输入图像的视觉特征生成视觉图。
为了突出输入图像的特征细节，便于对输入图像的操作处理，可选地，获取投影矩阵和转换矩阵；根据投影矩阵、转换矩阵和输入图像的视觉特征生成视觉图。
也就是说，通过设置投影矩阵，将视觉特征进行投影，并通过转换矩阵将投影后的视觉特征进行维度转换，从而生成对应的视觉图。
举例而言，假设视觉特征为投影矩阵为/>转换矩阵为接着，通过投影矩阵对视觉特征进行投影，并通过转换矩阵将投影后的视觉特征进行维度转换，从而生成对应的视觉图，具体可表现为以下公式：
P＝ZXW
其中，N表示视觉图的节点数量，D表示每个节点的特征维度，转换矩阵W为可学习参数，用来进行维度转换，L＝H×W，L表示特征维度，H和W分别表示特征X的高和宽，/>表示实数，C表示特征X的维度，/>表示L×C的矩阵，/>表示N×L的矩阵，/>表示C×D的矩阵，投影矩阵Z可自适应的聚合像素级特征到视觉图的每个节点。
步骤103，获取语义图。
为了获取适合视觉图上下文推理的多个类别的语义图，在本申请实施例中，可根据预设词向量生成每个类别的语义表征；根据预设的多层感知矩阵和每个类别的语义表征生成语义图。
也就是说，在自然语义处理领域中，可利用预设的词向量得到每个类别的语义表征，再根据预设的多层感知矩阵变换每个类别的语义表征生成语义图，使该语义图适合视觉图的上下文推理。
举例而言，比如，利用预设的词向量的语义可得到每个类别的语义表征其中，li表示第i个类别的语义表征，i＝{0,1,...,M-1},K＝300，M表示类别总数，K表示维度，也就是每个类别的语义表征的维度均为300，/>表示实数，/>表示具有K个维度的向量。接着，使用MLP(Multi-Layer Perceptron，多层感知机)对每个类别的语义表征进行变换，具体过程可形式化如下：
Si∈MLP(li),i∈{0,1,...M-1}
其中，Si表示语义图第i个类别的节点表征，M表示语义图的类别总数。根据语义图每个类别的节点特征可生成多个类别的语义图，其中语义图 表示实数，D1表示语义图的每个节点的特征维度，/>表示M×D1的矩阵。需要说明的是，语义图的节点数量与语义图的类别总数一致，可为M，D1可根据视觉图的每个节点特征维度D进行设置，比如，语义图的每个节点的特征维度D1与视觉图中每个节点的特征维度D一致。
步骤104，根据语义图对视觉图进行增强以生成增强视觉图。
为了促进语义图与视觉图的交互操作，改善视觉图的上下文推理，可选地，可分别对语义图和视觉图进行自推理，并根据语义自推理图和视觉自推理图生成第一引导矩阵，根据视觉自推理图和第一引导矩阵生成增强视觉图。具体详见后续实施例的描述。
步骤105，对增强视觉图进行反投影以生成局部增强像素级特征。
可选地，获取转置矩阵和权重矩阵；根据转置矩阵、权重矩阵和增强视觉图以及输入图像的视觉特征生成局部增强像素级特征。
也就是说，通过设置转置矩阵、权重矩阵将增强视觉图的每个节点特征反投影到局部增强像素级特征上，以增强局部增强级像素特征的可区分力。具体可通过如下公式进行表示：
Xe＝ZTPoWo+X
其中，X为视觉特征，ZT为投影矩阵的转换矩阵，其中，/>表示实数，L＝H×W，L表示特征维度，H和W可分别表示视觉特征X的高和宽；/>为可训练的权重矩阵，用来变换节点的特征维度，C表示视觉特征的维度，D表示视觉图的每个节点的特征维度，/>表示实数，/>表示D×C的矩阵，N表示视觉图的节点数量，/>表示N×L的矩阵，Po表示增强视觉图，Xe表示局部增强级像素特征。由此，通过转置矩阵、权重矩阵和增强视觉图以及输入图像的视觉特征生成局部增强像素级特征，可增强像素级特征的表征能力。
步骤106，根据局部增强像素级特征进行图像分割。
作为一种示例，对局部增强像素级特征进行卷积以生成局部增强像素级卷积特征；对局部增强像素级卷积特征进行上采样以生成图像分割结果。
也就是说，为了提高图像分割性能和分割精度，并降低图像分割计算复杂度，在本申请实施例中，可对局部增强像素级特征进行卷积提取到局部增强像素级卷积特征，进一步地，为了使局部增强像素级特征对应的图像还原到输入图像的大小，可对局部增强像素级卷积特征进行上采样，完成输入图像的像素级别的分割。
综上，通过获取输入图像，并提取输入图像的视觉特征；根据输入图像的视觉特征生成视觉图；获取语义图；根据语义图对视觉图进行增强以生成增强视觉图；对增强视觉图进行反投影以生成局部增强像素级特征；根据局部增强像素级特征进行图像分割，该方法通过将语义图对视觉图进行增强以生成增强视觉图，可促进语义图与视觉图的交互操作，改善视觉图的上下文推理，根据增强视觉图反投影生成局部增强像素级特征，可增强局部增强像素的表征能力，从而根据该局部增强级特征进行图像分割可有效地提升图像的分割性能和精度。
为了促进语义图与视觉图的交互操作，改善视觉图的上下文推理，在本申请实施例中，如图2所示，图2是根据本申请第二实施例的示意图，可分别对语义图和视觉图进行自推理，并根据语义自推理图和视觉自推理图生成第一引导矩阵，根据视觉自推理图和第一引导矩阵生成增强视觉图，图1所述实施例的步骤104中还可包括如下步骤：
步骤201，对语义图进行自推理以生成语义自推理图。
作为一种示例，可对语义图通过图卷积神经网络进行图卷积生成语义自推理图。具体可通过如下公式进行表示：
Se＝f((AS+I)SWS)
其中，Se表示语义自推理图，S表示语义图，f表示非线性激活函数f(x)＝max(0，x)，表示图卷积层的可学习参数，/>表示可学习的邻接矩阵，其中，M表示语义图的节点数量，D1表示每个节点的特征维度，/>表示实数，/>表示D1×D1的矩阵，表示M×M的矩阵，此外，需要说明的是，语义自推理图Se的每个节点都聚合了附近邻居节点的特征。
步骤202，对视觉图进行自推理以生成视觉自推理图。
作为一种示例，可对视觉图通过图卷积神经网络进行图卷积生成视觉自推理图，具体可通过如下公式进行表示：
Pe＝f((Av+I)PWv)
其中，Pe表示视觉自推理图，P表示视觉图，是可学习的邻接矩阵，可随机初始化，N表示视觉图的节点数量，D表示视觉图的每个节点的特征维度，I表示单位矩阵，是图卷积层的可学习参数，/>表示实数，/>表示D×D的矩阵，f表示非线性激活函数f(x)＝max(0,x)。
步骤203，根据语义自推理图和视觉自推理图生成第一引导矩阵，其中，第一引导矩阵为语义图至视觉图的引导矩阵。
在本申请实施例中，可建立语义自推理图和视觉自推理图上每个节点的对应关系，根据该对应关系可计算出语义自推理图中每个节点，与对应的视觉自推理图的每个节点的特征相似度，将该相似度作为第一引导矩阵，具体可通过如下公式进行表示：
其中，表示第一引导矩阵，/>表示视觉自推理图的第i个节点特征，/>是语义自推理图的第j个节点特征，/>表示可学习矩阵，用来进行特征的维度变换，D表示视觉图中每个节点的特征维度，D1表示语义图中每个节点的特征维度，表示实数，N表示视觉图节点数量，M表示语义图的节点数量，/>表示N×M矩阵，/>表示/>的矩阵，/>表示/>的矩阵。需要说明的是，该第一矩阵可有效地构建视觉自推理图和语义自推理图之间的相关性，语义自推理图的节点特征也可被有效地传播到视觉自推理图的节点特征上。
步骤204，根据视觉自推理图和第一引导矩阵生成增强视觉图。
在本申请实施例中，可根据视觉自推理图、语义自推理图以及第一引导矩阵之间的残差求和生成增强视觉图，以增强视觉图的表征，具体可表现为如下公式：
Po＝Pe+βs2vGs2vSeWs2v
其中，Po表示增强视觉图，Pe表示视觉自推理图，Se表示语义自推理图，表示可训练的权重矩阵，/>表示可学习的加权向量，/>表示实数，D表示视觉图的每个节点的特征维度，/>表示D×D的矩阵，N表示视觉图的节点数量，/>表示具有N个特征维度的向量，s2v表示语义自推理图至视觉自推理图的交互。
综上，对语义图和视觉图进行自推理，并根据语义自推理图和视觉自推理图生成第一引导矩阵，根据视觉自推理图和第一引导矩阵生成增强视觉图，以增强视觉图的表征，可促进语义图与视觉图的交互操作，改善视觉图的上下文推理。
为了进一步提高图像的分割性能，可选地，可对输入图像中的语义进行约束，如图3所示，图3是根据本申请第三实施例的示意图，可根据语义自推理图和视觉自推理图生成第二引导矩阵，其中，第二引导矩阵为视觉图至语义图的引导矩阵；根据语义自推理图和第二引导矩阵生成增强语义图，其中，增强语义图用于进行语义上下文约束。图2所述实施例的步骤202之后还可包括如下步骤：
步骤301，根据语义自推理图和视觉自推理图生成第二引导矩阵，其中，第二引导矩阵为视觉图至语义图的引导矩阵。
在本申请实施例中，可建立语义自推理图和视觉自推理图上每个节点的对应关系，根据该对应关系可计算出视觉自推理图中每个节点，与对应的语义自推理图的每个节点的特征相似度，将该相似度作为第二引导矩阵，具体可通过如下公式进行表示：
其中，表示第二引导矩阵，/>表示语义自推理图的第i个节点特征，/>是视觉自推理图的第j个节点特征，/>表示可学习矩阵，用来进行特征的维度变换，D表示视觉图的每个节点的特征维度，D1表示语义图的每个节点的特征维度，/>表示实数，/>表示/>的矩阵，/>表示/>的矩阵。需要说明的是，该第二矩阵可有效地构建视觉自推理图和语义自推理图之间的相关性，视觉自推理图的节点特征也可被有效地传播到语义自推理图的节点特征上。
步骤302，根据语义自推理图和第二引导矩阵生成增强语义图，其中，增强语义图用于进行语义上下文约束。
在本申请实施例中，通过第二引导矩阵，可从视觉图自推理图中蒸馏出输入图像对应的语义图表征，也就是根据视觉自推理图、语义自推理图以及第二引导矩阵之间的残差求和生成增强语义图，具体可表现为如下公式：
So＝βv2sSe+Gv2sPeWv2s
其中，So表示增强语义图，Pe表示视觉自推理图，Se表示语义自推理图，表示可训练的权重矩阵，/>是可学习的加权向量，/>表示实数，D1表示语义图中每个节点的特征维度，/>表示D1×D1的矩阵，M可表示语义图的节点数量(语义图的节点数量与语义图类别总数一致)，/>表示具有M个特征维度的向量，v2s表示视觉自推理图至语义自推理图的交互。需要说明的是，增强语义图可对输入图像中的语义上下文进行约束。
可以理解，视觉自推理图中类别数量与输入图像中的类别数量一致，语义自推理图与视觉自推理图交互的过程中，语义自推理图可学习到视觉自推理图中具体包括的类别，也就是语义自推理图与视觉自推理图交互完成后，可生成增强语义图，增强语义图可学习到输入图像中具体包括的类别。因此，在本申请实施例中，增强语义图生成后，通过设置语义上下文损失函数约束输入图像的语义上下文，该语义上下文损失函数可强调在输入图像中出现的类别，同时抑制在输入图像中没有出现的类别。
作为一种示例，在增强语义图生成之后，为每个类别定义一个可学习的语义中心(ci表示第i个类别的语义中心，/>表示具有D2个特征维度的向量，D2与D1的值相同，D1表示语义图中每个节点的特征维度)，接着，执行语义中心ci与增强语义图中的每个节点/>的向量积，将该向量积通过神经网络的激活函数(如，sigmoid函数)计算得分vi(vi表示第i个类别的得分)，如果vi越接近1，表示对应的类别存在输入图像中，否则表示对应的类别不存在输入图像中。语义上下文损失函数具体可表现为如下公式：
其中，M表示语义图中的类别数，vi表示第i个类别的得分，yi∈{0,1}表示第i个类别是否在输入图像中存在(如，yi＝0表示第i个类别在输入图像中不存在，yi＝1表示第i个类别在输入图像中存在)，Losssc表示语义上下文损失函数，语义上下文损失函数可最小化增强语义图中的节点特征和没有在输入图像中出现的类别的语义中心的相似度，同时最大化增强语义图中节点特征和在输入图像中出现的类别的语义中心的相似度。也就是说该语义上下文损失函数可强调在输入图像中出现的类别，同时抑制在输入图像中没有出现的类别。
综上，通过语义自推理图和视觉自推理图生成第二引导矩阵，根据语义自推理图和第二引导矩阵生成增强语义图，进行语义上下文约束，可强调在输入图像中出现的类别，同时抑制在输入图像中没有出现的类别，从而提高图像的分割性能。
为了使本领域技术人员更加清楚地了解本申请，现举例进行说明
举例而言，如图4所示，在图4中，可将输入图像进行神经网络卷积提取视觉特征，将视觉特征进行投影和维度转换生成对应的视觉图，将视觉图进行自推理生成视觉自推理图，同时，获取包括多种类别(如图4中的猫、狗、桌子、椅子等)的语义图，将语义图进行自推理生成语义自推理图。接着，将语义自推理图和视觉自推理图进行图交互，可生成增强视觉图和增强语义图，在生成增强语义图后，通过设置语义损失函数，可强调在输入图像中出现的类别，同时抑制在输入图像中没有出现的类别，约束输入图像的语义上下文，提高图像的分割性能。同时，将增强视觉图进行反投影获得局部增强级像素特征，根据局部增强级像素特征对图像进行分割，有效地提升了图像的分割性能和精度。
本申请实施例的图像分割方法，通过获取输入图像，并提取输入图像的视觉特征；根据输入图像的视觉特征生成视觉图；获取语义图；根据语义图对视觉图进行增强以生成增强视觉图；对增强视觉图进行反投影以生成局部增强像素级特征；根据局部增强像素级特征进行图像分割。该方法通过语义图对视觉图进行增强以生成增强视觉图，可促进语义图与视觉图的交互操作，改善视觉图的上下文推理，根据增强视觉图反投影生成局部增强像素级特征，可增强局部增强像素的表征能力，从而根据该局部增强级特征进行图像分割可有效地提升图像的分割性能和精度。
为了实现上述实施例，本申请实施例还提出一种图像分割装置。
图5是根据本申请第四实施例的示意图。如图5所示，所述图像分割装置500包括：第一获取模块510、第一生成模块520、第二获取模块530、第二生成模块540、反投影模块550、分割模块560。
其中，第一获取模块510，用于获取输入图像，并提取输入图像的视觉特征；第一生成模块520，用于根据输入图像的视觉特征生成视觉图；第二获取模块530，用于获取语义图；第二生成模块540，用于根据语义图对视觉图进行增强以生成增强视觉图；反投影模块550，用于对增强视觉图进行反投影以生成局部增强像素级特征；分割模块560，用于根据局部增强像素级特征进行图像分割。
作为本申请实施例的一种可能实现方式，第一生成模块520具体用于，获取投影矩阵和转换矩阵；根据投影矩阵、转换矩阵和输入图像的视觉特征生成所述视觉图。
作为本申请实施例的一种可能实现方式，第二获取模块530具体用于，根据预设词向量生成每个类别的语义表征；根据预设的多层感知矩阵和所述每个类别的语义表征生成语义图。
作为本申请实施例的一种可能实现方式，第二生成模块540具体用于，对语义图进行自推理以生成语义自推理图；对视觉图进行自推理以生成视觉自推理图；根据语义自推理图和视觉自推理图生成第一引导矩阵，其中，第一引导矩阵为语义图至视觉图的引导矩阵；根据视觉自推理图和第一引导矩阵生成增强视觉图。
作为本申请实施例的一种可能实现方式，第二生成模块540还用于，根据语义自推理图和视觉自推理图生成第二引导矩阵，其中，第二引导矩阵为视觉图至语义图的引导矩阵；根据语义自推理图和第二引导矩阵生成增强语义图，其中，增强语义图用于进行语义上下文约束。
作为本申请实施例的一种可能实现方式，反投影模块具体用于，获取转置矩阵和权重矩阵；根据转置矩阵、权重矩阵和增强视觉图以及输入图像的视觉特征生成所述局部增强像素级特征。
作为本申请实施例的一种可能实现方式，分割模块560具体用于，对局部增强像素级特征进行卷积以生成局部增强像素级卷积特征；对局部增强像素级卷积特征进行上采样以生成图像分割结果。
本申请实施例的图像分割装置，通过获取输入图像，并提取输入图像的视觉特征；根据输入图像的视觉特征生成视觉图；获取语义图；根据语义图对视觉图进行增强以生成增强视觉图；对增强视觉图进行反投影以生成局部增强像素级特征；根据局部增强像素级特征进行图像分割。该装置通过语义图对视觉图进行增强以生成增强视觉图，可促进语义图与视觉图的交互操作，改善视觉图的上下文推理，根据增强视觉图反投影生成局部增强像素级特征，可增强局部增强像素的表征能力，从而根据该局部增强级特征进行图像分割可有效地提升图像的分割性能和精度。
为了实现上述实施例，本申请提出了一种计算机程序产品，包括计算机程序，所述计算机程序在处理器执行时实现上述实施例的图像分割方法。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的图像分割方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像分割方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像分割方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像分割方法对应的程序指令/模块(例如，附图5所示第一获取模块510、第一生成模块520、第二获取模块530、第二生成模块540、反投影模块550、分割模块560)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像分割方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图像分割的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至图像分割的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像分割方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与图像分割的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (10)
1.一种图像分割方法，包括：
获取输入图像，并提取所述输入图像的视觉特征；
根据投影矩阵，对所述视觉特征进行投影，并通过转换矩阵对投影后的视觉特征进行维度转换，以得到视觉图；
根据预设词向量生成每个类别的语义表征，并根据预设的多层感知矩阵和所述每个类别的语义表征生成语义图；
对所述语义图进行自推理以生成语义自推理图，对所述视觉图进行自推理以生成视觉自推理图，根据所述语义自推理图和所述视觉自推理图生成第一引导矩阵，根据所述视觉自推理图和所述第一引导矩阵生成增强视觉图；其中，所述第一引导矩阵为所述语义图至所述视觉图的引导矩阵；
对所述增强视觉图进行反投影以生成局部增强像素级特征；以及
根据所述局部增强像素级特征进行图像分割。
2.如权利要求1所述的图像分割方法，其中，还包括：
根据所述语义自推理图和所述视觉自推理图生成第二引导矩阵，其中，所述第二引导矩阵为所述视觉图至所述语义图的引导矩阵；
根据所述语义自推理图和所述第二引导矩阵生成增强语义图，其中，所述增强语义图用于进行语义上下文约束。
3.如权利要求1所述的图像分割方法，其中，所述对所述增强视觉图进行反投影以生成局部增强像素级特征，包括：
获取转置矩阵和权重矩阵；
根据所述转置矩阵、所述权重矩阵和所述增强视觉图以及所述输入图像的视觉特征生成所述局部增强像素级特征。
4.如权利要求1所述的图像分割方法，其中，所述根据所述局部增强像素级特征进行图像分割，包括：
对所述局部增强像素级特征进行卷积以生成局部增强像素级卷积特征；
对所述局部增强像素级卷积特征进行上采样以生成图像分割结果。
5.一种图像分割装置，包括：
第一获取模块，用于获取输入图像，并提取所述输入图像的视觉特征；
第一生成模块，用于根据投影矩阵，对所述视觉特征进行投影，并通过转换矩阵对投影后的视觉特征进行维度转换，以得到视觉图；
第二获取模块，用于根据预设词向量生成每个类别的语义表征，并根据预设的多层感知矩阵和所述每个类别的语义表征生成语义图；
第二生成模块，用于对所述语义图进行自推理以生成语义自推理图，对所述视觉图进行自推理以生成视觉自推理图，根据所述语义自推理图和所述视觉自推理图生成第一引导矩阵，根据所述视觉自推理图和所述第一引导矩阵生成增强视觉图；其中，所述第一引导矩阵为所述语义图至所述视觉图的引导矩阵；
反投影模块，用于对所述增强视觉图进行反投影以生成局部增强像素级特征；
分割模块，用于根据所述局部增强像素级特征进行图像分割。
6.如权利要求5所述的图像分割装置，其中，所述第二生成模块还用于，
根据所述语义自推理图和所述视觉自推理图生成第二引导矩阵，其中，所述第二引导矩阵为所述视觉图至所述语义图的引导矩阵；
根据所述语义自推理图和所述第二引导矩阵生成增强语义图，其中，所述增强语义图用于进行语义上下文约束。
7.如权利要求5所述的图像分割装置，其中，所述反投影模块具体用于，
获取转置矩阵和权重矩阵；
根据所述转置矩阵、所述权重矩阵和所述增强视觉图以及所述输入图像的视觉特征生成所述局部增强像素级特征。
8.如权利要求5所述的图像分割装置，其中，所述分割模块具体用于，
对所述局部增强像素级特征进行卷积以生成局部增强像素级卷积特征；
对所述局部增强像素级卷积特征进行上采样以生成图像分割结果。
9. 一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675328.9A CN112053362B (zh) | 2020-07-14 | 2020-07-14 | 图像分割方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675328.9A CN112053362B (zh) | 2020-07-14 | 2020-07-14 | 图像分割方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112053362A CN112053362A (zh) | 2020-12-08 |
| CN112053362B true CN112053362B (zh) | 2024-02-06 |
Family
ID=73601923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010675328.9A Active CN112053362B (zh) | 2020-07-14 | 2020-07-14 | 图像分割方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112053362B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112819007B (zh) * | 2021-01-07 | 2023-08-01 | 北京百度网讯科技有限公司 | 图像识别方法、装置、电子设备及存储介质 |
| CN114742996A (zh) * | 2021-01-07 | 2022-07-12 | 阿里巴巴集团控股有限公司 | 图像语义分割方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542302A (zh) * | 2010-12-21 | 2012-07-04 | 中国科学院电子学研究所 | 基于分等级对象语义图的复杂目标自动识别方法 |
| CN110188765A (zh) * | 2019-06-05 | 2019-08-30 | 京东方科技集团股份有限公司 | 图像语义分割模型生成方法、装置、设备及存储介质 |
| DE102019112595A1 (de) * | 2018-05-16 | 2019-11-21 | Nvidia Corporation | Geführte halluzination für fehlende bildinhalte unter verwendung eines neuronalen netzes |
| CN110852186A (zh) * | 2019-10-22 | 2020-02-28 | 华南农业大学 | 一种树上柑橘的视觉识别与采摘顺序规划方法及其仿真系统 |
| CN111353988A (zh) * | 2020-03-03 | 2020-06-30 | 成都大成均图科技有限公司 | Knn动态自适应的双图卷积图像分割方法和系统 |
| CN111402170A (zh) * | 2020-03-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像增强方法、装置、终端及计算机可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9075825B2 (en) * | 2011-09-26 | 2015-07-07 | The University Of Kansas | System and methods of integrating visual features with textual features for image searching |
| US10685446B2 (en) * | 2018-01-12 | 2020-06-16 | Intel Corporation | Method and system of recurrent semantic segmentation for image processing |
-
2020
- 2020-07-14 CN CN202010675328.9A patent/CN112053362B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542302A (zh) * | 2010-12-21 | 2012-07-04 | 中国科学院电子学研究所 | 基于分等级对象语义图的复杂目标自动识别方法 |
| DE102019112595A1 (de) * | 2018-05-16 | 2019-11-21 | Nvidia Corporation | Geführte halluzination für fehlende bildinhalte unter verwendung eines neuronalen netzes |
| CN110188765A (zh) * | 2019-06-05 | 2019-08-30 | 京东方科技集团股份有限公司 | 图像语义分割模型生成方法、装置、设备及存储介质 |
| CN110852186A (zh) * | 2019-10-22 | 2020-02-28 | 华南农业大学 | 一种树上柑橘的视觉识别与采摘顺序规划方法及其仿真系统 |
| CN111353988A (zh) * | 2020-03-03 | 2020-06-30 | 成都大成均图科技有限公司 | Knn动态自适应的双图卷积图像分割方法和系统 |
| CN111402170A (zh) * | 2020-03-23 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像增强方法、装置、终端及计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Biomedical image segmentation for semantic visual feature extraction;Daekeun You 等;2014 IEEE International Conference on Bioinformatics and Biomedicine (BIBM);全文 * |
| 卷积神经网络在视觉图像检测的研究进展;蓝金辉;王迪;申小盼;;仪器仪表学报(第04期);全文 * |
| 基于语义分割的增强现实图像配准技术;卞贤掌;费海平;李世强;;电子技术与软件工程(第23期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112053362A (zh) | 2020-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11841921B2 (en) | Model training method and apparatus, and prediction method and apparatus | |
| CN111783870B (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
| US11995560B2 (en) | Method and apparatus for generating vector representation of knowledge graph | |
| CN111967297B (zh) | 图像的语义分割方法、装置、电子设备及介质 | |
| KR20210108906A (ko) | 점군 데이터 처리방법, 장치, 전자기기 및 판독 가능 기록매체 | |
| CN111739005B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
| CN111340905B (zh) | 图像风格化方法、装置、设备和介质 | |
| CN111598131B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| EP4016477A1 (en) | Method and apparatus for character recognition, electronic device, and storage medium | |
| CN116363261B (zh) | 图像编辑模型的训练方法、图像编辑方法和装置 | |
| CN111680600B (zh) | 人脸识别模型处理方法、装置、设备和存储介质 | |
| CN112529180B (zh) | 模型蒸馏的方法和装置 | |
| US11641446B2 (en) | Method for video frame interpolation, and electronic device | |
| CN112053362B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
| CN111539897A (zh) | 用于生成图像转换模型的方法和装置 | |
| CN112529058B (zh) | 图像生成模型训练方法和装置、图像生成方法和装置 | |
| CN116309983B (zh) | 虚拟人物模型的训练方法、生成方法、装置和电子设备 | |
| CN116245749A (zh) | 图像生成方法及其装置 | |
| CN113313048B (zh) | 脸部表情识别方法和装置 | |
| JP7203248B2 (ja) | 顔認識モデルのトレーニング方法、装置、電子機器および記憶媒体 | |
| CN112580563B (zh) | 视频摘要的生成方法、装置、电子设备和存储介质 | |
| CN111932530B (zh) | 三维对象检测方法、装置、设备和可读存储介质 | |
| US20210279594A1 (en) | Method and apparatus for video coding | |
| CN116402914B (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
| CN117351299A (zh) | 图像生成及模型训练方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |