图像分割方法、装置、电子设备及计算机存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114972363A(43)申请公布日2022.08.30(21)申请号202210523814.8(22)申请日2022.05.13(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人高阳特孙宇毕福昆(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师王春霞(51)Int.Cl.G06T7/10(2017.01)G06V10/40(2022.01)G06V10/764(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图4页(54)发明名称图像分割方法、装置、电子设备及计算机存储介质(57)摘要本申请涉及图像处理技术领域，提供一种图像分割方法、装置、电子设备及计算机存储介质。包括：根据基于注意力的残差结构对待分割图像进行特征提取，得到初始特征图；基于所述初始特征图进行基于多头自注意力的特征图重建，得到中间特征图；根据所述中间特征图进行基于注意力增强的上采样处理，得到分割图像。本申请可以缓解梯度消失的问题并提高对细粒度特征的提取能力，快速有效地得到初始特征图，同时可以加强初始特征图上每个特征点的语义表征，提高对不同类别间像素的精细化分割，并且可以增强对目标的识别能力，加强对不同尺度目标的区分以及细化不同类别目标间的特征，因此可以有效提高图像分割的精确度。CN114972363ACN114972363A权利要求书1/2页1.一种图像分割方法，其特征在于，包括：根据基于注意力的残差结构对待分割图像进行特征提取，得到初始特征图；基于所述初始特征图进行基于多头自注意力的特征图重建，得到中间特征图；根据所述中间特征图进行基于注意力增强的上采样处理，得到分割图像。2.根据权利要求1所述的图像分割方法，其特征在于，所述根据基于注意力的残差结构对待分割图像进行特征提取，得到初始特征图的步骤包括：对待分割图像进行卷积、批标准化与神经激活处理，得到第一特征图；对所述第一特征图进行卷积与基于无参数注意力机制的特征提取，得到第二特征图；将所述待分割图像与所述第二特征图进行图像叠加，得到第三特征图；基于所述第三特征图确定初始特征图。3.根据权利要求2所述的图像分割方法，其特征在于，所述对所述第一特征图进行卷积与基于无参数注意力机制的特征提取，得到第二特征图的步骤包括：对所述第一特征图进行卷积处理，得到卷积特征图；根据所述卷积特征图确定能量分布函数；根据所述能量分布函数与所述卷积特征图生成第二特征图。4.根据权利要求3所述的图像分割方法，其特征在于，所述根据所述卷积特征图确定能量分布函数的步骤包括：根据所述卷积特征图确定特征空间均值；根据所述特征空间均值计算所述卷积特征图的宽、高在其通道方向的方差；根据所述特征空间均值、所述方差与能量系数，确定所述卷积特征图的能量分布函数。5.根据权利要求1所述的图像分割方法，其特征在于，所述基于所述初始特征图进行基于多头自注意力的特征图重建，得到中间特征图的步骤包括：对所述初始特征图进行层标准化处理，得到层标准化特征图；分别确定所述层标准化特征图中各向量的查询向量、键向量与值向量；根据各所述向量的查询向量、键向量与值向量对所述层标准化特征图进行特征图重建，得到中间特征图。6.根据权利要求5所述的图像分割方法，其特征在于，所述根据各所述向量的查询向量、键向量与值向量对所述层标准化特征图进行特征图重建，得到中间特征图的步骤包括：分别确定各所述向量的查询向量与对应键向量的点积结果；分别对各所述点积结果进行归一化，得到多个归一化结果；将各所述归一化结果分别进行加权并与相应向量的值向量进行加和，得到加和结果；对各所述加和结果进行求和，得到中间特征图。7.根据权利要求1所述的图像分割方法，其特征在于，所述根据所述中间特征图进行基于注意力增强的上采样处理，得到分割图像的步骤包括：对所述中间特征图进行卷积、批标准化与神经激活处理，得到第四特征图；对所述第四特征图进行转置卷积、批标准化与神经激活处理，得到第五特征图；通过空间注意力和/或通道注意力结合所述第五特征图进行上采样处理，得到分割图像。8.一种图像分割装置，其特征在于，包括：2CN114972363A权利要求书2/2页提取模块，用于根据基于注意力的残差结构对待分割图像进行特征提取，得到初始特征图；重建模块，用于基于所述初始特征图进行基于多头自注意力的特征图重建，得到中间特征图；上采样模块，用于根据所述中间特征图进行基于注意力增强的上采样处理，得到分割图像。9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的图像分割方法的步骤。10.一