CN113096140A - 实例分割方法及装置、电子设备及存储介质 - Google Patents

实例分割方法及装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113096140A
CN113096140A CN202110407978.XA CN202110407978A CN113096140A CN 113096140 A CN113096140 A CN 113096140A CN 202110407978 A CN202110407978 A CN 202110407978A CN 113096140 A CN113096140 A CN 113096140A
Authority
CN
China
Prior art keywords
instance
mask
feature
semantic
image
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.)
Granted
Application number
CN202110407978.XA
Other languages
English (en)
Other versions
CN113096140B (zh
Inventor
张刚
李全全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202110407978.XA priority Critical patent/CN113096140B/zh
Publication of CN113096140A publication Critical patent/CN113096140A/zh
Priority to PCT/CN2021/124726 priority patent/WO2022217876A1/zh
Application granted granted Critical
Publication of CN113096140B publication Critical patent/CN113096140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供一种实例分割方法及装置、电子设备及存储介质，其中，获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；其中，将前一阶段语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于后一阶段的实例特征得到其对应的实例掩模，将后一阶段的实例特征、后一阶段的实例掩膜和后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。

Description

实例分割方法及装置、电子设备及存储介质
技术领域
本申请实施例涉及实例分割技术领域，涉及但不限于一种实例分割方法及装置、电子设备及存储介质。
背景技术
物体检测和实例分割的目标是检测出图片中的物体并要求分割出物体的像素。高质量实例分割要求模型不仅能够分割出图片中的物体，而且要在像素级别达到高准确率。在相关技术中，基于物体检测框为每个物体提取特征，并且在提取特征过程中采用下采样操作以处理不同尺度的物体，以实现物体检测和实例分割，难以达到较高的实例分割的准确度。
发明内容
本申请实施例提供一种实例分割技术方案。
本申请实施例的技术方案是这样实现的：
本申请实施例提供一种实例分割方法，所述方法包括：
获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；
基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；
其中，将前一阶段所述语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于所述后一阶段的实例特征得到其对应的实例掩模，将所述后一阶段的所述实例特征、所述后一阶段的实例掩膜和所述后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。
在一些实施例中，所述基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模，包括：基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征；基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模；其中，所述第二语义信息的分辨率与所述第二实例特征的分辨率相同。如此，对第一语义信息、第一实例特征和第一实例掩模进行多阶段细化，能并且每一阶段输出的结果的分辨率大于其前一阶段输出结果的分辨率，从而能够为每一个待分割实例输出高分辨率的实例掩模。
在一些实施例中，所述基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征，包括：将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征；将所述第一融合特征、所述第一语义信息中第一语义掩模和所述第一实例掩模相连接，得到所述第二实例特征。如此，通过采用语义融合模块对待分割图像的特征和掩模进行融合，能够得到具更细粒度的第二实例特征。
在一些实施例中，所述将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征，包括：采用第一卷积操作，对所述第一语义特征和所述第一实例特征进行处理，得到第一卷积特征；分别采用多个第二卷积操作，对所述第一卷积特征进行处理，得到多个第二卷积结果；其中，所述第一卷积操作的卷积核小于所述第二卷积的卷积核，且所述多个第二卷积操作的空洞大小不同；基于所述多个第二卷积结果，确定所述第一融合特征。如此，使得到的融合特征能够充分保留待分割实例局部细节信息。
在一些实施例中，所述基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模，包括：对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模；基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模；对所述第三实例特征、所述第一空洞掩模和第三语义信息进行第三阶段的语义融合处理，得到第四实例特征和所述第四实例特征对应的第二空洞掩模；基于所述第二空洞掩模和所述第三实例掩模，确定所述第二实例掩模。如此，能够更加准确地分割实例的边缘区域，从而大幅度提升分割效果。
在一些实施例中，所述对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模，包括：对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到所述第三实例特征；对所述第三实例特征中的边缘区域进行预测，得到所述第一空洞掩模。如此，通过通过在对待分割实例进行实例分割的中，进一步对待分割实例的实例特征以及语义特征进行第二次融合处理，能够引入更高分辨率的语义分割特征，从而使得到分割的边缘区域更加准确。
在一些实施例中，所述基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模，包括：确定所述阶段实例掩模中的边缘区域；基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模；基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模；基于所述非边缘掩模和所述边缘掩模，确定所述第三实例掩模。如此，结合第一阶段输出的完整形状的第一实例掩模和第二阶段输出的描述边缘区域的第一空洞掩模，得到能够更加精确描述完整形状的第三实例掩模。
在一些实施例中，所述基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模，包括：基于所述第一空洞掩模的分辨率，对所述阶段实例掩模中的边缘区域进行上采样，得到第一边缘区域；基于所述第一边缘区域和所述第一空洞掩模，得到所述边缘掩模。如此，通过结合阶段实例掩模的第一边缘区域和对待分割实例进行边缘区域预测的第一空洞掩模，能够更加准确的预测待分割实例的边缘区域。
在一些实施例中，所述基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模，包括：基于所述第一空洞掩模的分辨率对所述阶段实例掩模进行上采样，得到放大实例掩模；对第一边缘区域进行反转操作，得到反转掩模；基于所述反转掩模和所述放大实例掩模，得到所述非边缘掩模。如此，能够准确描述待分割实例的完整形状的第三实例掩模。
在一些实施例中，所述确定所述阶段实例掩模中的边缘区域，包括：基于所述阶段实例掩模，确定所述待分割实例的边缘线；在所述待处理图像中，确定与所述边缘线之间的最小距离小于预设距离的像素点集合；基于所述像素点集合，确定所述阶段实例掩模中的边缘区域。如此，通过分析像素点与待分割实例的边缘线之间的距离，能够更加充分地保留待分割实例的边缘区域的细节信息。
在一些实施例中，所述确定待处理图像的第一语义信息之前，所述方法还包括：采用特征图金字塔网络，对所述待处理图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合；基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息。如此，能够更加丰富的语义信息和更加准确的实例特征和实例掩模。
在一些实施例中，所述基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息，包括：基于所述目标图像特征，对所述待处理图像进行语义分割，得到语义特征；基于所述语义特征，确定所述待处理图像中每一像素属于所述待分割实例的概率；基于所述概率，确定所述待处理图像的语义掩模；将所述语义特征和所述语义掩模，作为所述语义信息。如此，能够得到细节信息丰富的语义信息。
在一些实施例中，所述获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模，包括：采用感兴趣区域对齐操作，在所述待处理图像的特征图集合中选择满足预设分辨率的第一图像特征；基于所述第一图像特征，确定所述第一实例特征和所述第一实例掩模；采用所述感兴趣区域对齐操作，在所述语义信息中选择分辨率为所述预设分辨率的所述第一语义信息。如此，通过采用采用感兴趣区域对齐操作选择满足一定分辨率的语义信息、实例特征以及实例掩模，能够进一步补充细节损失。
本申请实施例提供一种实例分割装置，所述装置包括：
第一获取模块，用于获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；
第一处理模块，用于基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；
其中，将前一阶段所述语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于所述后一阶段的实例特征得到其对应的实例掩模，将所述后一阶段的所述实例特征、所述后一阶段的实例掩膜和所述后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。
在一些实施例中，所述第一处理模块，包括：
第一处理子模块，用于基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征；
第二处理子模块，用于基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模；其中，所述第二语义信息的分辨率与所述第二实例特征的分辨率相同。
在一些实施例中，所述第一处理子模块，包括：
第一融合单元，用于将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征；
第一连接单元，用于将所述第一融合特征、所述第一语义信息中第一语义掩模和所述第一实例掩模相连接，得到所述第二实例特征。
在一些实施例中，所述第一融合单元，包括：
第一卷积子单元，用于采用第一卷积操作，对所述第一语义特征和所述第一实例特征进行处理，得到第一卷积特征；
第二卷积子单元，用于分别采用多个第二卷积操作，对所述第一卷积特征进行处理，得到多个第二卷积结果；其中，所述第一卷积操作的卷积核小于所述第二卷积的卷积核，且所述多个第二卷积操作的空洞大小不同；
第一确定子单元，用于基于所述多个第二卷积结果，确定所述第一融合特征。
在一些实施例中，所述第二处理子模块，包括：
第一处理单元，用于对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模；
第一确定单元，用于基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模；
第二处理单元，用于对所述第三实例特征、所述第一空洞掩模和第三语义信息进行第三阶段的语义融合处理，得到第四实例特征和所述第四实例特征对应的第二空洞掩模；
第二确定单元，用于基于所述第二空洞掩模和所述第三实例掩模，确定所述第二实例掩模。
在一些实施例中，所述第一处理单元，包括：
第一处理子单元，用于对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到所述第三实例特征；
第一预测子单元，用于对所述第三实例特征中的边缘区域进行预测，得到所述第一空洞掩模。
在一些实施例中，所述第二确定单元，包括：
第二确定子单元，用于确定所述阶段实例掩模中的边缘区域；
第三确定子单元，用于基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模；
第四确定子单元，用于基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模；
第五确定子单元，用于基于所述非边缘掩模和所述边缘掩模，确定所述第三实例掩模。
在一些实施例中，所述第三确定子单元，还用于：基于所述第一空洞掩模的分辨率，对所述阶段实例掩模中的边缘区域进行上采样，得到第一边缘区域；基于所述第一边缘区域和所述第一空洞掩模，得到所述边缘掩模。
在一些实施例中，所述第四确定子单元，还用于：基于所述第一空洞掩模的分辨率对所述阶段实例掩模进行上采样，得到放大实例掩模；对第一边缘区域进行反转操作，得到反转掩模；基于所述反转掩模和所述放大实例掩模，得到所述非边缘掩模。
在一些实施例中，所述第二确定子单元，还用于：基于所述阶段实例掩模，确定所述待分割实例的边缘线；在所述待处理图像中，确定与所述边缘线之间的最小距离小于预设距离的像素点集合；基于所述像素点集合，确定所述阶段实例掩模中的边缘区域。
在一些实施例中，所述装置还包括：
第一提取模块，用于采用特征图金字塔网络，对所述待处理图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合；
第一确定模块，用于基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息。
在一些实施例中，所述第一确定模块，包括：
第一分割子模块，用于基于所述目标图像特征，对所述待处理图像进行语义分割，得到语义特征；
第一确定子模块，用于基于所述语义特征，确定所述待处理图像中每一像素属于所述待分割实例的概率；
第二确定子模块，用于基于所述概率，确定所述待处理图像的语义掩模；
第三确定子模块，用于将所述语义特征和所述语义掩模，作为所述语义信息。
在一些实施例中，所述第一获取模块，包括：
第一对齐子模块，用于采用感兴趣区域对齐操作，在所述待处理图像的特征图集合中选择满足预设分辨率的第一图像特征；
第四确定子模块，用于基于所述第一图像特征，确定所述第一实例特征和所述第一实例掩模；
第二对齐子模块，用于采用所述感兴趣区域对齐操作，在所述语义信息中选择分辨率为所述预设分辨率的所述第一语义信息。
对应地，本申请实施例提供一种计算机存储介质，所述计算机存储介质上存储有计算机可执行指令，该计算机可执行指令被执行后，能够实现上述方法的步骤。
本申请实施例提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时能够实现上述方法的步骤。
本申请实施例提供一种实例分割方法及装置、电子设备及存储介质，首先获取待处理图像的第一语义信息和待分割实例的第一实例特征和第一实例掩模；然后，通过对第一语义信息、第一实例特征和第一实例掩模，进行至少两阶段的语义融合处理，得到描述待分割实例所在图像区域的第二实例掩模；而且将前一阶段语义融合处理输出的实例特征进行上采样得到后一阶段的实例特征，将该后一阶段的实例特征、对应的实例掩模和语义信息，作为后一阶段语义融合处理的输入特征；这样，通过多个阶段对待分割实例的语义信息、实例特征和实例掩模进行细化，每个阶段接收上一阶段输出的实例特征以及语义分割补充的细节信息，能够大幅度提升待分割实例的分割效果。
附图说明
图1为本申请实施例提供的实例分割方法的实现流程示意图；
图2为本申请实施例提供的实例分割方法的另一实现流程示意图；
图3为本申请实施例提供的不同方式的实例分割结果示意图；
图4为本申请实施例提供的细化掩模的框架示意图；
图5为本申请实施例提供的语义融合模块的组成结构示意图；
图6为本申请实施例提供的实例分割的第二阶段的推理过程示意图；
图7为本申请实施例提供的实例边缘区域的应用场景示意图；
图8为本申请实施例实例分割装置的结构组成示意图；
图9为本申请实施例计算机设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的实例，不代表针对实例的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
1)语义分割，将图片中的各类信息进行分割，例如人的轮廓标记为红色，马路标记为紫色，但是不同的人是没有办法区分的，相当的与将图片中的图片进行了大类的外部轮廓与标签的匹配。
2)实例分割，对图像中的每个像素都划分出对应的类别以及类的具体实例，即为实例，实例分割不但要进行像素级别的分类，还需在具体的类别基础上区别开不同的实例。比如，图像有多个人甲、乙、丙，那边他们的语义分割结果都是人，而实例分割结果却是不同的实例。
3)特征图金字塔网络(Feature Pyramid Networks，FPN)是一种网络，主要解决的是物体检测中的多尺度问题，在不同特征层独立进行预测，通过简单的网络连接改变，在基本不增加原有模型计算量的情况下，大幅度提升了小物体检测的性能。
下面说明本申请实施例提供的实例分割的设备的示例性应用，本申请实施例提供的设备可以实施为具有图像采集功能的笔记本电脑，平板电脑，台式计算机，相机，移动设备(例如，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的用户终端，也可以实施为服务器。下面，将说明设备实施为终端或服务器时示例性应用。
该方法可以应用于计算机设备，该方法所实现的功能可以通过计算机设备中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该计算机设备至少包括处理器和存储介质。
本申请实施例提供一种实例分割方法，如图1所示，结合如图1所示步骤进行说明：
步骤S101，获取待处理图像的第一语义信息，和待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模。
在一些实施例中，待处理图像可以是包括多个或者一个待分割实例的图像，可以是外观复杂的图像还可以是外观简单的图像。待检测图像可以是任意采集设备在任意具有待分割实例的场景下采集到的图像。待处理图像中的待分割实例可以是与应用场景匹配的任意实例，比如，应用场景是人体分割，那么待分割实例为待处理图像中的人体；如果应用场景为车辆分割，那么待分割实例为待处理图像中的车辆。待处理图像的语义信息表征该待处理图像在像素级别的类别描述，比如，对图像中的每个像素都划分出对应的类别，得到像素级别的分类结果。该第一语义信息包括待处理图像的语义特征和该待处理图像的语义掩模。第一语义信息的分辨率与第一实例特征的分辨率相同；该第一实例掩模用于描述待分割实例所对应的图像区域，即描述待分割实例的完整形状。
在一些可能的实现方式中，通过采用特征图金字塔网络，对待处理图像进行特征提取，以得到更加丰富的语义信息和更加准确的实例特征和实例掩模，即上述步骤S101可以通过以下过程实现：
步骤S111，采用特征图金字塔网络，对所述待处理图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合。
在一些实施例中，采用特征图金字塔网络，首先，对这待处理图像以自底向上的进行特征提取；其次，采用自上而下的方式对提取到的高层特征图进行上采样；再次，通过横向连接，将上采样的结果和自底向上生成的相同大小的特征图进行融合；并，将低分辨率的特征图做2倍上采样(或者，采用最近邻上采样)。最后，通过按元素相加，将上采样映射与相应的自底而上映射合并。这个过程是迭代的，直到生成最终的分辨率图，即得到图像特征集合。
在其他实施例中，还可以是通过获取所述待处理图像在不同分辨率下的多个图像，对这多个图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合。比如，将待处理图像转换为在多个不同分辨率下的图像，该不同分辨率的数量的设定可以是与特征金字塔网络的层数相匹配，即特征金字塔网路如果有4层，那么可以设定5个不同的由大到小的分辨率。在一个具体例子中，可以采用固定的缩放比例对待处理图像进行缩放，从而得到不同分辨率下的多个图像。
步骤S112，基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息。
在一些实施例中，所述预设阈值可以是依据图像特征集合中每一个特征图的分辨率大小设定的分辨率阈值，比如，在图像特征集合中确定分辨率最大的图像特征为目标图像特征。通过该目标图像特征，分析该待处理图像全图的语义信息。如此，通过将高分辨率的目标图像特征作为语义分割分支网络的输入，预测该待处理图像全图的语义信息，能够为后续的实例分割提供更加细节的信息。
步骤S113，采用感兴趣区域对齐操作，在所述待处理图像的特征图集合中选择满足预设分辨率的第一图像特征。
在一些实施例中，步骤S113可以是采用感兴趣区域对齐(Region of InterestAlign，RoI-Align)操作，首先，对于待待处理图像中每一个待分割实例的检测框，从特征图金字塔中选取该检测框内的特征图；然后，将每一个检测框对应的特征图调整为预设尺寸的大小，即可得到满足预设分辨率的第一图像特征。比如，采用14×14的感兴趣区域对齐操作，设定14×14的特征图，得到第一图像特征。在一些可能的实现方式中，实例分割分支网络可以是由完全卷积的实例分割分支网络实现的，比如，全卷积神经网络(Fully-Convolutional Network，FCN)、掩模区域卷积神经网络(Mask Region ConvolutionalNeural Network，Mask R-CNN)或者高效残差分解卷积网络(Efficient ResidualFactorized ConvNet)等。
步骤S114，基于所述第一图像特征，确定所述第一实例特征和所述第一实例掩模。
在一些实施例中，通过对已经设定成预设尺寸大小的第一图像特征，进行卷积操作，得到第一实例特征；基于该第一实例特征对待分割实例的完整形状进行预测，得到第一实例掩模。如此，通过包含多个分辨率的特征图金字塔，预测待分割实例的第一实例特征和第一实例掩模，能够提高预测的第一实例掩模的准确度。
步骤S115，采用所述感兴趣区域对齐操作，在所述语义信息中选择分辨率为所述预设分辨率的所述第一语义信息。
在一些实施例中，通过采用相同的感兴趣区域对齐操作，在语义信息中选择分辨率与第一实例特征的分辨率相同的第一语义特征和第一语义掩模，得到第一语义信息。这样，通过采用该网络的卷积层预测第一实例特征和第一实例掩模，从而得到粗略且完整的实例掩模，便于后续阶段中基于该粗糙且完整的第一实例掩模进行精细化分割，能够进一步补充细节损失。
步骤S102，基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模。
在一些实施例中，将前一次所述语义融合处理输出的第一实例特征进行上采样后得到的实例特征和与所述实例特征对应的实例掩模，作为后一次所述语义融合处理的输入特征；且，每一次所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。首先，将第一语义信息、所述第一实例特征和所述第一实例掩模作为第一次语义融合处理的输入；然后，将第一次语义融合处理输出的实例特征，进行上采样后得到一实例特征；将该实例特征与对应的实例掩模，以及分辨率与该实例特征的分辨率相同的语义特征、语义掩模，作为第二次语义融合处理的输入。最后，基于第二次第二次语义融合处理的输出，得到能够精确且完整的描述待分割实例完整形状的第二实例掩模。
在本申请实施例中，对于获取的包含待分割实例的待处理图像，首先确定该图像的第一语义信息和待分割实例的第一实例特征和第一实例掩模；然后，通过对第一语义信息、第一实例特征和第一实例掩模进行多次语义融合处理，得到第二实例掩模。这样，将前一次所述语义融合处理输出的第一实例特征进行上采样后得到的实例特征和与所述实例特征对应的实例掩模，作为后一次所述语义融合处理的输入特征，而且通过引入与第一实例特征分辨率匹配的语义信息，能够补充对待分割实例进行分割时的细节信息，从而大幅度提升待分割实例的分割效果。
在一些实施例中，通过采用语义分割分支网络，对输入的特征图金字塔中高分辨率的图像特征，进行语义分割，得到描述该待处理图像的语义信息，即上述步骤S112可以通过以下步骤实现：
第一步，基于所述目标图像特征，对所述待处理图像进行语义分割，得到语义特征。
在一些实施例中，将目标图像特征输入语义分割分支网络中，该语义分割分支网络可以是包括四个卷积层，以提取整个图像的语义特征。
第二步，基于所述语义特征，确定所述待处理图像中每一像素属于所述待分割实例的概率。
在一些实施例中，语义分割分支网络通过卷积层提取图像的语义特征之后，通过二分类的分类器预测每个像素属于图像中实例的概率，即待处理图像中每一像素属于所述待分割实例的概率。比如，待分割实例为车辆，那么通过二分类的分类器预测每个像素属于车辆的概率，从而实现对待处理图像的语义掩模的预测。
第三步，基于所述概率，确定所述待处理图像的语义掩模，并将所述语义特征和所述语义掩模，作为所述语义信息。
在一些实施例中，在语义分割分支网络中，通过在二分类交叉熵损失的监督下，预测整个图像的高分辨率的语义掩模。如此，通过上述第一步至第三步，在语义分割分支网络中，通过对高分辨率的图像特征进行语义分割，得到该图像的语义特征，而且通过采用二分类交叉熵损失，预测该图像的语义掩模，从而得到细节信息丰富的语义信息。
在一些实施例中，对第一语义信息、第一实例特征和第一实例掩模进行多阶段细化，能并且每一阶段输出的结果的分辨率大于其前一阶段输出结果的分辨率，从而能够为每一个待分割实例输出高分辨率的实例掩模，即上述步骤S102可以通过如图2所示的步骤实现，图2为本申请实施例提供的实例分割方法的另一实现流程示意图，结合图1和2所示的步骤进行以下说明：
步骤S201，基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征。
在一些实施例中，第一实例特征可以是14×14的实例特征，第一实例掩模为实例特征对应的14×14的实例掩模；第一语义信息为14×14的第一语义特征和14×14的第一语义掩模。通过将14×14的第一语义特征、14×14的第一语义掩模、14×14的实例特征和14×14的实例掩模输入语义融合模块，在语义融合模块中，分别对输入的四部分进行融合，得到具有更多细节信息的第二实例特征。
步骤S202，基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的融合处理，得到所述第二实例掩模。
在一些实施例中，第二语义信息的分辨率与所述第二实例特征的分辨率相同。第二语义信息可以是采用感兴趣区域对齐操作，在通过语义分割分支网络，对待处理图像进行语义分割得到的语义信息中，选取的与第二实例特征的分辨率相同的语义特征和语义掩模。将第一次语义融合处理输出的第二实例特征进行上采样，将上采样后实例特征、相同分辨率的阶段实例掩模以及相同分辨率的第二语义信息，输入第二阶段的语义融合模块中，进行第二次的语义融合处理。基于第二次语义融合处理的结果，得到描述待分割实例的边缘区域的空洞掩模，并且将该空洞掩模与描述完整形状的阶段实例掩模相结合，得到能够描述待分割实例完整形状的第二实例掩模。
在一些实施例中，通过采用语义融合模块对第一语义特征和第一实例特征进行融合，得到第一融合特征，即上述步骤S201可以通过以下步骤实现：
步骤S211，将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征。
在一些实施例中，第一语义信息中包括：第一语义特征和第一语义掩模；第一语义特征与所述第一实例特征的分辨率相同；第一语义掩模与第一实例掩模的分辨率相同。在一些可能的实现方式中，在语义分割分支网络输出的语义信息，即输出的语义特征和语义掩模。由于第一实例特征的分辨率为14×14，所以首先，采用14×14的RoI对齐操作，在语义分割分支网络输出的语义特征中，选择分辨率为14×14的第一语义特征。然后，在所述语义掩模中，确定与所述第一实例掩模的分辨率相匹配的第一语义掩模。比如，由于第一实例掩模的分辨率14×14，所以采用14×14的RoI-对齐操作，在语义分割分支网络输出的语义掩模中，选择分辨率为14×14的第一语义掩模。
其中，将第一语义特征和第一实例特征进行融合，可以是通过将第一语义特征和第一实例特征输入卷积层中，采用多种不同卷积范围对第一语义特征和第一实例特征进行卷积，以及，逐元素求和等操作，从而得到第一融合特征。
在一些可能的实现方式中，可以通过以下步骤实现：
第一步，采用第一卷积操作，对所述第一语义特征和所述第一实例特征进行处理，得到第一卷积特征。
在一些实施例中，第一卷积操作可以是卷积核小于一定阈值的卷积网络还可以是一个卷积计算，比如，1×1的卷积层。将第一语义特征、第一实例特征、第一语义掩模和第一实例掩模，共同输出语义融合模块；采用1×1卷积层，对输入的第一语义特征和第一实例特征进行卷积，从而得到第一卷积特征。
第二步，分别采用多个第二卷积操作，对所述第一卷积特征进行处理，得到多个第二卷积结果。
在一些实施例中，第一卷积操作的卷积核小于所述第二卷积的卷积核，且所述多个第二卷积操作的空洞大小不同，即采用这多个第二卷积操作对输入的特征进行卷积操作时，单个卷积的卷积覆盖范围不同。比如，采用具有不同空洞大小的三个并行3×3卷积层，对第一卷积特征进行处理，得到多个第二卷积结果。
第三步，基于所述多个第二卷积结果，得到所述第一融合特征。
在一些可能的实现方式中，将这多个第二卷积结果进行逐元素求和，得到第一融合特征。如此，首先采用卷积核较小的卷积层对输入的特征进行卷积，能够降低通道大小；然后，通过采用卷积核较大，且空洞不同的多个卷积层对卷积后的特征进一步进行卷积处理；最后，将多个卷积结果相融合，使得到的融合特征能够充分保留待分割实例局部细节信息。
步骤S212，将所述第一融合特征、所述第一语义信息中第一语义掩模和所述第一实例掩模相连接，得到所述第二实例特征。
在一些实施例中，在语义融合模块中，通过对输入的第一语义特征和第一实例特征进行融合之后，首先，对输入语义融合模块中的第一语义掩模和第一实例掩模的分辨率进行放大；然后，将融合得到的第一融合特征、分辨率放大后的语义掩模和实例掩模，按照从前到后的顺序拼接起来，或者是按照任意顺序拼接起来，得到第二实例特征。
上述步骤S211和步骤S212中，通过采用语义融合模块对待分割图像的特征和掩模进行融合，能够得到具更细粒度的第二实例特征。
在一些实施例中，通过对第二实例特征、阶段实例掩模和第二语义信息进行第二阶段的语义融合处理，关注待分割实例的边缘区域，从而能够更加准确地分割实例的边缘区域，从而大幅度提升分割效果，即上述步骤S202可以通过以下步骤实现：
步骤S221，对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模。
在一些实施例中，第二实例特征的分辨率大于第一实例特征的分辨率。通过将第二实例特征、所述阶段实例掩模和所述第二语义信息输入第二阶段的语义融合模块中，得到第三实例特征；对该第三实例特征的边缘区域进行预测，得到第一空洞掩模。即，第一空洞掩模用于描述待分割实例的边缘区域。如此，通过通过在对待分割实例进行实例分割的中，进一步对待分割实例的实例特征以及语义特征进行第二次融合处理，能够引入更高分辨率的语义分割特征，从而使得到分割的边缘区域更加准确。
其中，该边缘区域为以待分割实例的边缘线为基准，与该边缘线的距离小于一定距离阈值的像素点所组成的区域。在一个具体例子中，以待分割实例为车辆为例，该边缘区域为以车辆在待处理图像中的边缘线为中心形成的包括部分前景(即车辆图像区域)，以及，部分背景的图像区域。
步骤S222，基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模。
在一些实施例中，通过将第一空洞掩模和阶段实例掩模输入边界感知细化模块中；在该模块中，通过对第一空洞掩模的边缘区域进行分辨率放大，结合预测结果和阶段实例掩模，能够预测待分割实例的完整形状，得到第三实例掩模。
在一些可能的实现方式中，对实例分割过程的第二阶段中，通过结合第一阶段输出的完整形状的第一实例掩模和第二阶段输出的描述边缘区域的第一空洞掩模，得到能够更加精确描述完整形状的第三实例掩模；即上述步骤S222可以通过以下步骤实现：
第一步，确定所述阶段实例掩模中的边缘区域。
在一些实施例中，在实例分割分支网络中，按照阶段实例掩模中的第一实例掩模所表征的待分割实例的形状，预测该形状在待处理图像中的边缘区域。在一些可能的实现方式中，首先，基于所述阶段实例掩模，确定所述待分割实例的边缘线；比如，通过分析第一实例掩模所表征的待分割实例的完整形状，确定该实例的边缘线。然后，在所述待处理图像中，确定与所述边缘线之间的最小距离小于预设距离的像素点集合；比如，在待处理图像中，分别确定每一像素点到离该像素点最近的边缘线，之间的距离；将距离小于预设距离的像素点，组成像素点集合。最后，基于所述像素点集合，确定所述阶段实例掩模中的边缘区域。比如，通过对该像素点集合中的像素点进行拟合，形成一个图像区域，即边缘区域；该边缘区域中包括边缘线与背景相邻的图像区域，以及，边缘线与实例本身相邻的图像区域。如此，通过分析像素点与待分割实例的边缘线之间的距离，能够更加充分地保留待分割实例的边缘区域的细节信息。
第二步，基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模。
在一些实施例中，通过对该边缘区域进行上采样，并将上采样后的区域与第一空洞掩模进行融合，得到描述分割实例的边缘区域的边缘掩模。在一些可能的实现方式中，首先，基于所述第一空洞掩模的分辨率，对所述阶段实例掩模中的边缘区域进行上采样，得到第一边缘区域；比如，第一空洞掩模的分辨率为28×28，按照该分辨率对预测的边缘区域进行上采样，得到28×28的第一边缘区域。然后，基于所述第一边缘区域和所述第一空洞掩模，得到所述边缘掩模。比如，将第一边缘区域和第一空洞掩模进行逐元素相乘，得到该边缘掩模。如此，通过结合阶段实例掩模的第一边缘区域和对待分割实例进行边缘区域预测的第一空洞掩模，能够更加准确的预测待分割实例的边缘区域。
第三步，基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模。
在一些实施例中，将分辨率放大后的边缘区域与分辨率放大后阶段实例掩模，进行逐元素相乘，得到描述待分割实例的非边缘区域的非边缘掩模。
在一些可能的实现方式中，可以通过以下过程实现上述第二步：
首先，基于所述第一空洞掩模的分辨率对所述阶段实例掩模进行上采样，得到放大实例掩模；比如，按照第一空洞掩模的分辨率，对所述第一实例掩模的分辨率进行上采样，得到放大实例掩模。
然后，对第一边缘区域进行反转操作，得到反转掩模；比如，先，基于第一实例掩模，分析边缘区域所在的边缘掩模；再，将该边缘掩模的分辨率进行上采样，使得上采样后的掩模分辨率与放大实例掩模的分辨率相同；最后，对上采样后的掩模进行反转操作，得到反转掩模。比如，上采样后的掩模中的元素值为0或1；将上采样后的掩模中的元素值为1的变为0；元素值为0的变为1。
最后，基于所述反转掩模和所述放大实例掩模，得到所述非边缘掩模。比如，将反转掩模和放大实例掩模进行逐元素相乘，得到不包含边缘区域的非边缘掩模。
第四步，基于所述非边缘掩模和所述边缘掩模，确定所述第三实例掩模。
在一些实施例中，将非边缘掩模和边缘掩模进行逐元素相加，得到能够准确描述待分割实例的完整形状的第三实例掩模。
步骤S223，对所述第三实例特征、所述第一空洞掩模和第三语义信息进行第三阶段的语义融合处理，得到第四实例特征和所述第四实例特征对应的第二空洞掩模。
在一些实施例中，将上一阶段输出的第三实例特征、描述边缘区域的第一空洞掩模和分辨率相同的第三语义信息输入语义融合模块中，得到待分割实例的第四实例特征，和对该第四实例特征的边缘区域进行预测得到的第二空洞掩模。
步骤S224，基于所述第二空洞掩模和所述第三实例掩模，确定所述第二实例掩模。
在一些实施例中，将描述边缘区域的第二空洞掩模和描述完整形状的第三实例掩模相结合，得到能够更加精确分割待分割实例的第二实例掩模。
在本申请实施例中，通过对语义信息、实例特征和实例掩模进行多阶段融合处理的过程中，预测待分割实例的边缘区域，能够为每一个待分割实例预测准确的边缘区域。
下面，将说明本申请实施例在一个实际的应用场景中的示例性应用，以采用高质量实例分割框架实现高质量实例分割为例，进行说明。
通用物体检测和实例分割的目标是检测出图片中的物体并要求分割出物体的像素。高质量的实例分割要求模型不仅能够分割出图片中的物体，而且要在像素级别达到高准确率，尤其是物体的边缘区域。前者要求模型提取高层次语义信息，而后者要求模型尽可能地保留细节信息。在相关技术中，两阶段实例分割算法基于物体检测框在特征金字塔上分别为每个物体提取特征，并且在提取特征过程中采用了下采样操作以处理不同尺度的物体，而使用特征金字塔和下采样操作都会导致细节信息的损失，使得最终模型难以在像素级别达到高准确率。
在相关技术中，实例分割用于将每个像素分配到特定的语义类别中，并区分同一类别中的实例。例如，以Mask R-CNN为例，首先，使用实例检测器生成高质量的边界框；然后，引入并行分割分支以预测边界框内每个实例的二分类掩模；在后面的步骤中，例如，RoIAlign的合并操作，从特征金字塔提取实例特；最后，基于实例分割分支网络的输出特征执行逐像素分类。
尽管实例检测器提供了强大的定位和区分实例的能力，但Mask R-CNN却丢失图像细节，这对于高质量的实例分割任务是必不可少的，如图3(a)所示，长颈鹿301和302丢失了图像细节。细节的丢失主要是由于两个因素：首先，馈入合并操作的特征来自特征金字塔的多个级别，而较高级别的特征通常会导致较粗糙的空间分辨率。对于这些高级特征，在将掩模预测映射回输入空间时，很难保留细节。其次，合并操作进一步将特征的空间尺寸减小到较小的尺寸，也会导致信息丢失。
与实例分割相反，语义分割是在不区分实例实例的情况下将每个像素分类为一组固定的类别。由于语义分段不需要极端的高级特征来区分大型实例，因此可以充分利用高分辨率特征。相关技术中的语义分割方法利用高分辨率特征来生成高质量的语义表示，分割清晰的实例边界。如图3(b)中的长颈鹿321和322所示。
基于此，本申请实施例提供一种高质量实例分割框架，用于对实例和场景进行高质量的实例分割，在实例级分割过程中以多阶段方式合并细粒度的特征。通过逐步融合更详细的信息，高质量实例分割框架能够完善高质量的掩模。如此，通过在分割过程中补充损失的细节信息，可以有效地提升像素级别的分割准确率，同时保留现有算法的优势，从而实现高质量实例分割。
本申请实施例通过采用当前两阶段方法来进行实例分割，以区分实例，并在实例分割过程中用细粒度特征补充丢失的细节。为此本申请实施例提出细化掩模(RefineMask)的新框架。细化掩模在要素金字塔的最高分辨率要素图上构建新的语义分割分支网络，以生成细粒度的语义特征。这些细粒度的特征用于在按实例分割过程中补充丢失的细节。在感兴趣区域对齐操作之后，细化掩模逐步扩大预测尺寸并合并细粒度特征，能够减轻高质量实例掩模预测的细节损失。此外，细化掩模使用边界感知细化策略将重点放在边缘区域上，能够预测更准确的边界。通过迭代地融合更多细粒度的特征并明确地关注边缘区域，细化掩模能够实现更高质量的掩模。如图3(c)所示，细化掩模输出的质量分割结果如长颈鹿331和332所示，由此可见，细化掩模在实例边界之类的硬区域中可以获得充分的细节特征。
图4为本申请实施例提供的细化掩模的框架示意图，如图4所示，细化掩模框架基于检测器特征图金字塔网络401，通过两个小的网络模块，即语义分割分支网络402和实例分割分支网络实现高质量实例细分。
语义分割分支网络402将来自检测器特征图金字塔网络401的特征金字塔的最高分辨率特征图作为输入，并执行语义分割。语义分割分支网络的输出保持与输入相同的分辨率，而无需使用空间压缩操作(例如，下采样)。语义分割分支网络生成的细粒度特征用于促进实例分割分支网络中的实例分割。
实例分割分支网络以多阶段方式执行实例分割。在每个阶段，实例分割分支网络都包含语义特征和从细粒度特征中提取的语义掩模，并增加了特征的空间大小，从而能够进行更好的实例掩模预测。除此之外，在实例分割分支网络中提出了一种边界感知的细化策略，明确地专注于边缘区域，预测更清晰的边界。
在本申请实施例中，语义分割分支网络是输入为特征图金字塔网络的最高分辨率特征图的完全卷积神经网络。语义分割分支网络由四个卷积层组成，以提取整个图像的语义特征，并通过二分类的分类器预测每个像素属于物体的概率。在二分类交叉熵损失的监督下，预测整个图像的高分辨率语义掩模。将细粒度特征定义为语义特征和语义掩模的并集。这些细粒度特征还可以用来补充实例分割分支网络中丢失的细节，从而实现高质量的语义掩模预测。如图4所示，将特征图金字塔网络401的最高分辨率特征图输入语义分割分支网络402中，输出语义特征和语义掩模403。
实例分割分支是一个完全卷积的实例分割分支网络。在实例分割分支网络中，首先，将通过14×14感兴趣区域对齐操作提取的特征馈送到两个3×3卷积层中以生成实例特征。然后，采用1×1的卷积层来预测实例掩模，但是该掩模的空间大小为14×14。该粗略掩模用作以后的精细化阶段的掩模。
经过上述过程，能够得到粗糙的实例掩模。接下来，本申请实施例提出了一个多阶段的优化过程，以迭代的方式来优化粗糙的实例掩模。每个阶段的输入均由四个部分组成，包括：在前一阶段获得的实例特征和实例掩模，以及，从语义分割分支网络的输出中汇集的语义特征和语义掩模。比如，首先，使用语义融合模块集成这些输入；然后，将融合后的特征按比例上采样到更大的空间。实例分割分支网络反复运行此优化过程，并输出分辨率高达112×112的高质量实例掩模。在按比例缩放到更高的空间之前，语义融合模块中的融合特征使用1×1卷积层压缩以将其通道减半。因此，尽管特征的空间大小越来越大，但是引入的额外计算成本却非常低。如图4所示，对特征图金字塔网络401的特征金字塔进行感兴趣区域对齐操作，得到固定大小的实例特征404，对该实例特征404进行卷积操作，得到卷积后的实例特征405。基于卷积后的实例特征405进行掩模预测，得到14×14的初始掩模。在第一阶段中，采用感兴趣区域对齐操作从语义分割分支网络402的输出中汇集的语义特征和语义掩模403中取出大小为14×14语义特征和语义掩模。将特征图金字塔网络401的卷积后的实例特征405、14×14初始掩模、14×14语义特征和语义掩模，输入第一阶段的语义融合模块411中；然后，语义融合模块411对这四部分的内容进行融合，将融合后的特征按比例上采样到更高的空间，输出28×28的实例特征406；并基于28×28的实例特征，预测该实例特征的完整的28×28的实例掩模。
在第二阶段中，采用感兴趣区域对齐操作从语义分割分支网络402的输出中汇集的语义特征和语义掩模403中取出大小为28×28语义特征和语义掩模；将实例特征406、完整的28×28的实例掩模、28×28语义特征和语义掩模，输入第二阶段的语义融合模块412中；然后，语义融合模块412对这四部分的内容进行融合，将融合后的特征按比例上采样到更高的空间，输出56×56的实例特征407；并基于56×56的实例特征，预测该实例特征的边缘区域的实例掩模409。通过采用边界感知细化(Boundary-Aware Refinement，BAR)对第一阶段得到表征实例完整形状的28×28的实例掩模与实例掩模409相结合，得到能够表征实例完整形状的56×56的实例掩模；这样，通过进一步提高实例特征的分辨率，以及对细节信息的补充，使得到的实例掩模表征的实例完整形状的效果更好。
在第三阶段中，采用感兴趣区域对齐操作从语义分割分支网络402的输出中汇集的语义特征和语义掩模403中取出大小为56×56语义特征和语义掩模；将实例特征407、实例掩模409、56×56语义特征和语义掩模，输入第三阶段的语义融合模块413中；然后，语义融合模块413对这四部分的内容进行融合，将融合后的特征按比例上采样到更高的空间，输出112×112的实例特征408；并基于112×112的实例特征，预测该实例特征的边缘区域的实例掩模410。通过将第二阶段得到表征实例完整形状的56×56的实例掩模与实例掩模410相结合，得到能够表征实例完整形状112×112的实例掩模；这样，通过更进一步提高实例特征的分辨率，以及对细节信息的补充，使得到的112×112的实例掩模表征的实例完整形状更加精确。
为了更好地集成细粒度特征，本申请实施例提出语义融合模块，以使得实例分割分支网络中的每个神经元都能感知其周围环境。如图5所示，语义融合模块连接了四个输入部分51至54，首先，在上述每个阶段中，在1×1卷积层之后融合这些特征，得到融合的实例特征501(对应于上述实施例中的第一卷积特征)，并降低通道大小。然后，通过使用具有不同空洞大小的三个并行3×3卷积层(其中，一个卷积层的空洞为1，一个卷积层的空洞为3，一个卷积层的空洞为5)，分别对融合的实例特征501进行卷积操作，得到卷积结果502、503和504；将卷积结果502、503和504进行逐元素求和，得到第一融合特征；这样，将卷积结果502、503和504融合到单个神经元周围，同时能够保留局部细节。最后，将实例掩模和语义掩模再次与第一融合特征连接起来，得到能够作为后续预测的指引505。
本申请实施例提出了一种边界感知的细化策略来关注边缘区域，能够准确的预测实例掩模的边界。对于每一实例，第一阶段输出大小为28×28的粗略且完整的实例掩模M1，并且生成其边界掩模
Figure BDA0003023056190000176
在后续阶段中生成更精细和更完整的实例掩模M'k(阶段k的最终输出)，可以表示为公式(1)和(2)所示：
M'k＝M1 (1)；
Figure BDA0003023056190000171
其中，
Figure BDA0003023056190000172
表示逐像素乘法，
Figure BDA0003023056190000173
表示第k-1阶段预测掩模的边缘区域。如图6所示，图6为本申请实施例提供的实例分割的第二阶段的推理过程示意图，首先，基于第一阶段(即当前阶段的上一阶段)得到的28×28的实例掩模601，得到表示实例掩模的边缘区域602，并将28×28的实例掩模601上采样为56×56的实例掩模611；其次，将边缘区域602上采样到56×56的像素空间中，得到已上采样边界掩模603(对应于上述实施例中的第一边缘区域)；并对已上采样边界掩模603进行反转操作，即将已上采样边界掩模603中的元素值为1的反转为0；元素值为0的反转为1，得到掩模604；即对上一阶段的阶段实例掩模和边缘区域分别上采样，得到与当前实例掩模分辨率相同的实例掩模611和已上采样边界掩模603。再次，将掩模604与当前阶段输出的56×56的实例掩模611进行逐元素相乘，得到相乘结果(对应于上述实施例中的非边缘掩模)；再将已上采样边界掩模603与第二阶段(即当前阶段)产生的第一空洞掩模605相乘，得到另一相乘结果(对应于上述实施例中的边缘掩模)；最后，将这两个相乘结果进行逐元素求和，得到56×56的完整且精细的第二实例掩模606，重复图6所示的过程，直到获得最好的掩模。
采用Mask R-CNN作为基础，并用多级细化分支替换默认的实例分割分支网络，在默认的情况下，实例分割分支网络中有三个细化阶段。
在本申请实施例中，过引入高分辨率的语义分割特征，在分割过程中逐阶段补充损失的细节信息，使得模型能够更加准确地分割物体边缘区域，从而大幅度提升了最终的分割效果。
在一些实施例中，对于本申请实施例中关于对待分割实例的边缘区域进行优化的训练过程如下：
令Mk表示阶段k的二分类实例掩模，实例掩模的空间大小可以表示为14·2k×14·2k，其中k＝1，2，3。Mk的边缘区域定义为由与掩模轮廓的距离小于
Figure BDA0003023056190000174
个像素的像素构成的区域。采用二分类掩模Bk来表示Mk的边缘区域，并且Bk可以表示为公式(3)所示：
Figure BDA0003023056190000175
其中，(i，j)表示像素pij在Mk中的位置，dij表示从像素pij到其在掩模轮廓上最近的像素的欧几里得距离。如图7所示，图7为本申请实施例提供的实例边缘区域的应用场景示意图，dij为从画面中的像素pij到距离该像素最近的轮廓701的距离，从轮廓701到边界线702形成的区域，以及从轮廓701到边界线703形成的区域，这两个区域组成边缘区域704。本申请实施例采用卷积算子来近似得到边缘区域，从而能够有效确定dij。由于实例具有不同的比例，因此，首先将实例掩模调整为固定大小。例如，通过在第一阶段中使用28×28，在第二阶段中使用56×56，确定掩模边界。如图4所示，首先，在第二阶段中，将完整的28×28的实例掩模与实例掩模409输入边缘细化模块421中，通过边缘细化模块421预测该实例的完整的实例掩模410。然后，在三阶段中，将完整的实例掩模410与有实例掩模410输入边缘细化模块421中，通过边缘细化模块421预测该实例完整且精细的实例掩模。
在图4所示的框架示意图的第一阶段中，预测了大小为28×28的完整实例掩模。在输出大小为56×56和112×112的两个后续阶段中，对边缘区域进行监督训练。这些边缘区域Rk由真值掩模与该阶段的前一阶段的预测掩模确定，如公式(4)所示：
Figure BDA0003023056190000181
其中，fup表示比例因子为2的双线性上采样操作，
Figure BDA0003023056190000182
表示第k-1阶段标注掩模的边缘区域，
Figure BDA0003023056190000183
表示第k-1阶段预测掩模的边缘区域，∨表示以上两个边缘区域的并集。输出大小为Sk×Sk的第k个阶段(k＝2，3)的训练损失Lk，可以表示为如公式(5)和(6)所示：
Figure BDA0003023056190000184
Figure BDA0003023056190000185
其中，N是实例数，lnij是实例n在像素位置(i，j)的二分类交叉熵损失。
在本申请实施例中，对于最后两个精炼阶段，采用公式(5)中定义的损失。对于语义分割分支网络和其他掩模预测阶段，采用平均二分类交叉熵损失。初始掩模预测阶段和三个细化阶段的损失权重分别设置为0.25、0.5、0.75和1.0。为了平衡检测头和掩模头之间的损失，将检测头的损失权重设置为2.0，其中，包括分类和回归损失。在训练阶段中设置
Figure BDA0003023056190000186
为2，在推理阶段中设置
Figure BDA0003023056190000187
为1。
在本申请实施例中，通过引入高分辨率的语义分割特征，在分割过程中逐阶段补充损失的细节信息，使得模型能够更加准确地分割实例的边缘区域，从而大幅度提升了最终的分割效果。
本申请实施例提供一种实例分割装置，图8为本申请实施例实例分割装置的结构组成示意图，如图8所示，所述实例分割装置800包括：
第一获取模块801，用于获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；
第一处理模块802，用于基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；
其中，将前一阶段所述语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于所述后一阶段的实例特征得到其对应的实例掩模，将所述后一阶段的所述实例特征、所述后一阶段的实例掩膜和所述后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。
在一些实施例中，所述第一处理模块802，包括：
第一处理子模块，用于基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征；
第二处理子模块，用于基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模；其中，所述第二语义信息的分辨率与所述第二实例特征的分辨率相同。
在一些实施例中，所述第一处理子模块，包括：
第一融合单元，用于将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征；
第一连接单元，用于将所述第一融合特征、所述第一语义信息中第一语义掩模和所述第一实例掩模相连接，得到所述第二实例特征。
在一些实施例中，所述第一融合单元，包括：
第一卷积子单元，用于采用第一卷积操作，对所述第一语义特征和所述第一实例特征进行处理，得到第一卷积特征；
第二卷积子单元，用于分别采用多个第二卷积操作，对所述第一卷积特征进行处理，得到多个第二卷积结果；其中，所述第一卷积操作的卷积核小于所述第二卷积的卷积核，且所述多个第二卷积操作的空洞大小不同；
第一确定子单元，用于基于所述多个第二卷积结果，确定所述第一融合特征。
在一些实施例中，所述第二处理子模块，包括：
第一处理单元，用于对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模；
第一确定单元，用于基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模；
第二处理单元，用于对所述第三实例特征、所述第一空洞掩模和第三语义信息进行第三阶段的语义融合处理，得到第四实例特征和所述第四实例特征对应的第二空洞掩模；
第二确定单元，用于基于所述第二空洞掩模和所述第三实例掩模，确定所述第二实例掩模。
在一些实施例中，所述第一处理单元，包括：
第一处理子单元，用于对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到所述第三实例特征；
第一预测子单元，用于对所述第三实例特征中的边缘区域进行预测，得到所述第一空洞掩模。
在一些实施例中，所述第二确定单元，包括：
第二确定子单元，用于确定所述阶段实例掩模中的边缘区域；
第三确定子单元，用于基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模；
第四确定子单元，用于基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模；
第五确定子单元，用于基于所述非边缘掩模和所述边缘掩模，确定所述第三实例掩模。
在一些实施例中，所述第三确定子单元，还用于：基于所述第一空洞掩模的分辨率，对所述阶段实例掩模中的边缘区域进行上采样，得到第一边缘区域；基于所述第一边缘区域和所述第一空洞掩模，得到所述边缘掩模。
在一些实施例中，所述第四确定子单元，还用于：基于所述第一空洞掩模的分辨率对所述阶段实例掩模进行上采样，得到放大实例掩模；对第一边缘区域进行反转操作，得到反转掩模；基于所述反转掩模和所述放大实例掩模，得到所述非边缘掩模。
在一些实施例中，所述第二确定子单元，还用于：基于所述阶段实例掩模，确定所述待分割实例的边缘线；在所述待处理图像中，确定与所述边缘线之间的最小距离小于预设距离的像素点集合；基于所述像素点集合，确定所述阶段实例掩模中的边缘区域。
在一些实施例中，所述装置还包括：
第一提取模块，用于采用特征图金字塔网络，对所述待处理图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合；
第一确定模块，用于基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息。
在一些实施例中，所述第一确定模块，包括：
第一分割子模块，用于基于所述目标图像特征，对所述待处理图像进行语义分割，得到语义特征；
第一确定子模块，用于基于所述语义特征，确定所述待处理图像中每一像素属于所述待分割实例的概率；
第二确定子模块，用于基于所述概率，确定所述待处理图像的语义掩模；
第三确定子模块，用于将所述语义特征和所述语义掩模，作为所述语义信息。
在一些实施例中，所述第一获取模块801，包括：
第一对齐子模块，用于采用感兴趣区域对齐操作，在所述待处理图像的特征图集合中选择满足预设分辨率的第一图像特征；
第四确定子模块，用于基于所述第一图像特征，确定所述第一实例特征和所述第一实例掩模；
第二对齐子模块，用于采用所述感兴趣区域对齐操作，在所述语义信息中选择分辨率为所述预设分辨率的所述第一语义信息。
需要说明的是，以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的实例分割方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是终端、服务器等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、运动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
对应地，本申请实施例再提供一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现本申请实施例提供的实例分割方法中的步骤。
相应的，本申请实施例再提供一种计算机存储介质，所述计算机存储介质上存储有计算机可执行指令，所述该计算机可执行指令被处理器执行时实现上述实施例提供的实例分割方法的步骤。
相应的，本申请实施例提供一种计算机设备，图9为本申请实施例计算机设备的组成结构示意图，如图9所示，所述计算机设备900包括：一个处理器901、至少一个通信总线、通信接口902、至少一个外部通信接口和存储器903。其中，通信接口902配置为实现这些组件之间的连接通信。其中，通信接口902可以包括显示屏，外部通信接口可以包括标准的有线接口和无线接口。其中所述处理器901，配置为执行存储器中图像处理程序，以实现上述实施例提供的实例分割方法的步骤。
以上实例分割装置、计算机设备和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同相应方法实施例相似的技术描述和有益效果，限于篇幅，可案件上述方法实施例的记载，故在此不再赘述。对于本申请实例分割装置、计算机设备和存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列特征的过程、方法、物品或者装置不仅包括那些特征，而且还包括没有明确列出的其他特征，或者是还包括为这种过程、方法、物品或者装置所固有的特征。在没有更多限制的情况下，由语句“包括一个……”限定的特征，并不排除在包括该特征的过程、方法、物品或者装置中还存在另外的相同特征。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (17)

1.一种实例分割方法，其特征在于，所述方法包括：
获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；
基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；
其中，将前一阶段所述语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于所述后一阶段的实例特征得到其对应的实例掩模，将所述后一阶段的所述实例特征、所述后一阶段的实例掩膜和所述后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模，包括：
基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征；
基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模；其中，所述第二语义信息的分辨率与所述第二实例特征的分辨率相同。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行第一阶段的语义融合处理，得到第二实例特征，包括：
将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征；
将所述第一融合特征、所述第一语义信息中第一语义掩模和所述第一实例掩模相连接，得到所述第二实例特征。
4.根据权利要求2或3所述的方法，其特征在于，所述将所述第一语义信息中的第一语义特征和所述第一实例特征进行融合，得到第一融合特征，包括：
采用第一卷积操作，对所述第一语义特征和所述第一实例特征进行处理，得到第一卷积特征；
分别采用多个第二卷积操作，对所述第一卷积特征进行处理，得到多个第二卷积结果；其中，所述第一卷积操作的卷积核小于所述第二卷积的卷积核，且所述多个第二卷积操作的空洞大小不同；
基于所述多个第二卷积结果，确定所述第一融合特征。
5.根据权利要求2所述的方法，其特征在于，所述基于所述第二实例特征、与所述第二实例特征对应的阶段实例掩模和第二语义信息进行至少一阶段的语义融合处理，得到所述第二实例掩模，包括：
对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模；
基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模；
对所述第三实例特征、所述第一空洞掩模和第三语义信息进行第三阶段的语义融合处理，得到第四实例特征和所述第四实例特征对应的第二空洞掩模；
基于所述第二空洞掩模和所述第三实例掩模，确定所述第二实例掩模。
6.根据权利要求5所述的方法，其特征在于，所述对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到第三实例特征和所述第三实例特征对应的第一空洞掩模，包括：
对所述第二实例特征、所述阶段实例掩模和所述第二语义信息进行第二阶段的语义融合处理，得到所述第三实例特征；
对所述第三实例特征中的边缘区域进行预测，得到所述第一空洞掩模。
7.根据权利要求5或6所述的方法，其特征在于，所述基于所述第一空洞掩模和所述阶段实例掩模，确定第三实例掩模，包括：
确定所述阶段实例掩模中的边缘区域；
基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模；
基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模；
基于所述非边缘掩模和所述边缘掩模，确定所述第三实例掩模。
8.根据权利要求7所述的方法，其特征在于，所述基于所述边缘区域和所述第一空洞掩模，确定描述所述待分割实例的边缘区域的边缘掩模，包括：
基于所述第一空洞掩模的分辨率，对所述阶段实例掩模中的边缘区域进行上采样，得到第一边缘区域；
基于所述第一边缘区域和所述第一空洞掩模，得到所述边缘掩模。
9.根据权利要求7或8所述的方法，其特征在于，所述基于所述边缘区域和所述阶段实例掩模，确定描述所述待分割实例的非边缘区域的非边缘掩模，包括：
基于所述第一空洞掩模的分辨率对所述阶段实例掩模进行上采样，得到放大实例掩模；
对第一边缘区域进行反转操作，得到反转掩模；
基于所述反转掩模和所述放大实例掩模，得到所述非边缘掩模。
10.根据权利要求7至9任一项所述的方法，其特征在于，所述确定所述阶段实例掩模中的边缘区域，包括：
基于所述阶段实例掩模，确定所述待分割实例的边缘线；
在所述待处理图像中，确定与所述边缘线之间的最小距离小于预设距离的像素点集合；
基于所述像素点集合，确定所述阶段实例掩模中的边缘区域。
11.根据权利要求1至10任一项所述的方法，其特征在于，所述确定待处理图像的第一语义信息之前，所述方法还包括：
采用特征图金字塔网络，对所述待处理图像进行特征提取，得到包括分辨率不同的多个图像特征的图像特征集合；
基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息。
12.根据权利要求11所述的方法，其特征在于，所述基于所述图像特征集合中分辨率满足预设阈值的目标图像特征，确定所述待处理图像的语义信息，包括：
基于所述目标图像特征，对所述待处理图像进行语义分割，得到语义特征；
基于所述语义特征，确定所述待处理图像中每一像素属于所述待分割实例的概率；
基于所述概率，确定所述待处理图像的语义掩模；
将所述语义特征和所述语义掩模，作为所述语义信息。
13.根据权利要求11或12所述的方法，其特征在于，所述获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模，包括：
采用感兴趣区域对齐操作，在所述待处理图像的特征图集合中选择满足预设分辨率的第一图像特征；
基于所述第一图像特征，确定所述第一实例特征和所述第一实例掩模；
采用所述感兴趣区域对齐操作，在所述语义信息中选择分辨率为所述预设分辨率的所述第一语义信息。
14.一种实例分割装置，其特征在于，所述装置包括：
第一获取模块，用于获取待处理图像的第一语义信息，和所述待处理图像中的待分割实例的第一实例特征和与所述第一实例特征对应的第一实例掩模；
第一处理模块，用于基于所述第一语义信息、所述第一实例特征和所述第一实例掩模，进行至少两个阶段的语义融合处理，得到第二实例掩模；
其中，将前一阶段所述语义融合处理输出的第一实例特征进行上采样得到后一阶段的实例特征，并基于所述后一阶段的实例特征得到其对应的实例掩模，将所述后一阶段的所述实例特征、所述后一阶段的实例掩膜和所述后一阶段对应的语义信息作为后一阶段语义融合处理的输入特征；且，每一阶段所述语义融合处理的输入特征中的语义信息的分辨率与实例特征的分辨率相同。
15.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机可执行指令，该计算机可执行指令被执行后能够实现权利要求1至13任一项所述的方法步骤。
16.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时能够实现权利要求1至13任一项所述的方法步骤。
17.一种计算程序产品，其特征在于，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现权利要求1至13任一项所述的方法步骤。
CN202110407978.XA 2021-04-15 2021-04-15 实例分割方法及装置、电子设备及存储介质 Active CN113096140B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110407978.XA CN113096140B (zh) 2021-04-15 2021-04-15 实例分割方法及装置、电子设备及存储介质
PCT/CN2021/124726 WO2022217876A1 (zh) 2021-04-15 2021-10-19 实例分割方法及装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110407978.XA CN113096140B (zh) 2021-04-15 2021-04-15 实例分割方法及装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113096140A true CN113096140A (zh) 2021-07-09
CN113096140B CN113096140B (zh) 2022-11-22

Family

ID=76677976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110407978.XA Active CN113096140B (zh) 2021-04-15 2021-04-15 实例分割方法及装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN113096140B (zh)
WO (1) WO2022217876A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792738A (zh) * 2021-08-05 2021-12-14 北京旷视科技有限公司 实例分割方法、装置、电子设备和计算机可读存储介质
CN114255476A (zh) * 2021-12-07 2022-03-29 中原动力智能机器人有限公司 行人识别方法、装置、智能机器人及存储介质
CN114463546A (zh) * 2022-02-11 2022-05-10 阿里巴巴（中国）有限公司 图像分割方法及装置
WO2022217876A1 (zh) * 2021-04-15 2022-10-20 北京市商汤科技开发有限公司 实例分割方法及装置、电子设备及存储介质
CN115578564A (zh) * 2022-10-25 2023-01-06 北京医准智能科技有限公司 实例分割模型的训练方法、装置、电子设备及存储介质
US20230097749A1 (en) * 2021-09-30 2023-03-30 Woven Alpha, Inc. Vehicle data collection system and method of using
WO2023083231A1 (en) * 2021-11-12 2023-05-19 Huawei Technologies Co., Ltd. System and methods for multiple instance segmentation and tracking

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190057507A1 (en) * 2017-08-18 2019-02-21 Samsung Electronics Co., Ltd. System and method for semantic segmentation of images
CN111368893A (zh) * 2020-02-27 2020-07-03 Oppo广东移动通信有限公司 图像识别方法、装置、电子设备及存储介质
CN111414963A (zh) * 2020-03-19 2020-07-14 北京市商汤科技开发有限公司 图像处理方法、装置、设备和存储介质
CN111862140A (zh) * 2020-06-11 2020-10-30 中山大学 一种基于协同模块级搜索的全景分割网络及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7032536B2 (ja) * 2018-02-09 2022-03-08 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド インスタンスセグメンテーション方法および装置、電子機器、プログラムならびに媒体
CN109801307A (zh) * 2018-12-17 2019-05-24 中国科学院深圳先进技术研究院 一种全景分割方法、装置及设备
CN110008808B (zh) * 2018-12-29 2021-04-09 北京迈格威科技有限公司 全景分割方法、装置和系统及存储介质
CN112053358B (zh) * 2020-09-28 2024-09-13 腾讯科技（深圳）有限公司 图像中像素的实例类别确定方法、装置、设备及存储介质
CN113096140B (zh) * 2021-04-15 2022-11-22 北京市商汤科技开发有限公司 实例分割方法及装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190057507A1 (en) * 2017-08-18 2019-02-21 Samsung Electronics Co., Ltd. System and method for semantic segmentation of images
CN111368893A (zh) * 2020-02-27 2020-07-03 Oppo广东移动通信有限公司 图像识别方法、装置、电子设备及存储介质
CN111414963A (zh) * 2020-03-19 2020-07-14 北京市商汤科技开发有限公司 图像处理方法、装置、设备和存储介质
CN111862140A (zh) * 2020-06-11 2020-10-30 中山大学 一种基于协同模块级搜索的全景分割网络及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHI QIU 等: ""RGB-D Image Instance Segmentation Based On Seeded Region Growing Algorithm"", 《IEEE》 *
李全全 等: ""高支模施工技术探讨"", 《施工技术》 *
林江睿: ""基于深度学习的无人车场景实例分割技术研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
米捷 等: ""基于语义关联性特征融合的大数据挖掘方法"", 《信阳师范学院学报（自然科学版）》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022217876A1 (zh) * 2021-04-15 2022-10-20 北京市商汤科技开发有限公司 实例分割方法及装置、电子设备及存储介质
CN113792738A (zh) * 2021-08-05 2021-12-14 北京旷视科技有限公司 实例分割方法、装置、电子设备和计算机可读存储介质
CN113792738B (zh) * 2021-08-05 2024-09-06 北京旷视科技有限公司 实例分割方法、装置、电子设备和计算机可读存储介质
US20230097749A1 (en) * 2021-09-30 2023-03-30 Woven Alpha, Inc. Vehicle data collection system and method of using
US11976940B2 (en) * 2021-09-30 2024-05-07 Woven By Toyota, Inc. Vehicle data collection system and method of using
WO2023083231A1 (en) * 2021-11-12 2023-05-19 Huawei Technologies Co., Ltd. System and methods for multiple instance segmentation and tracking
US12033307B2 (en) 2021-11-12 2024-07-09 Huawei Technologies Co., Ltd. System and methods for multiple instance segmentation and tracking
CN114255476A (zh) * 2021-12-07 2022-03-29 中原动力智能机器人有限公司 行人识别方法、装置、智能机器人及存储介质
CN114463546A (zh) * 2022-02-11 2022-05-10 阿里巴巴（中国）有限公司 图像分割方法及装置
CN115578564A (zh) * 2022-10-25 2023-01-06 北京医准智能科技有限公司 实例分割模型的训练方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2022217876A1 (zh) 2022-10-20
CN113096140B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN113096140B (zh) 实例分割方法及装置、电子设备及存储介质
CN110070511B (zh) 图像处理方法和装置、电子设备及存储介质
CN109255352B (zh) 目标检测方法、装置及系统
CN112132156B (zh) 多深度特征融合的图像显著性目标检测方法及系统
US9633282B2 (en) Cross-trained convolutional neural networks using multimodal images
US8897575B2 (en) Multi-scale, perspective context, and cascade features for object detection
CN111353498A (zh) 用于通过语义分割提供主导场景分类的系统和方法
CN111260666B (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN111210443A (zh) 基于嵌入平衡的可变形卷积混合任务级联语义分割方法
CN110717851A (zh) 图像处理方法及装置、神经网络的训练方法、存储介质
EP4006773A1 (en) Pedestrian detection method, apparatus, computer-readable storage medium and chip
CN112183507B (zh) 图像分割方法、装置、设备、存储介质
CN112560831B (zh) 一种基于多尺度空间校正的行人属性识别方法
CN110807362B (zh) 一种图像检测方法、装置和计算机可读存储介质
CN110807384A (zh) 低能见度下的小目标检测方法和系统
CN114187311A (zh) 一种图像语义分割方法、装置、设备及存储介质
CN110533046B (zh) 一种图像实例分割方法、装置、计算机可读存储介质及电子设备
CN105701489A (zh) 一种新型的数字提取和识别的方法及系统
CN112365451A (zh) 图像质量等级的确定方法、装置、设备及计算机可读介质
Lechner et al. ResCoNN: Resource-efficient FPGA-accelerated CNN for traffic sign classification
Le et al. REDN: a recursive encoder-decoder network for edge detection
CN113393434A (zh) 一种基于非对称双流网络架构的rgb-d显著性检测方法
CN114581710A (zh) 图像识别方法、装置、设备、可读存储介质及程序产品
CN114332559B (zh) 一种基于自适应跨模态融合机制和深度注意力网络的rgb-d显著性目标检测方法
Hao et al. LEDet: A single-shot real-time object detector based on low-light image enhancement

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40051366

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant