预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113989307A(43)申请公布日2022.01.28(21)申请号202111274244.5(22)申请日2021.10.29(71)申请人智道网联科技(北京)有限公司地址100013北京市东城区北三环东路36号1号楼B601(72)发明人罗壮张雪张海强李成军(74)专利代理机构北京中知君达知识产权代理有限公司11769代理人李辰(51)Int.Cl.G06T7/12(2017.01)G06T7/136(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图2页(54)发明名称图像语义分割方法、电子设备及存储介质(57)摘要本申请是关于一种图像语义分割方法、电子设备及存储介质。该方法包括:基于图像获得RGB矩阵;采用预设手段对所述图像处理,得到灰度图像矩阵;将所述RGB矩阵与所述灰度图像矩阵按照预设规则合并得到目标矩阵集合;对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理,其中,语义分割时所述卷积神经网络的预设语义分割模型的输入矩阵为所述目标矩阵集合。本申请提供的图像语义分割方法、电子设备及存储介质,能够加强图像中目标边缘的特征,提升对图像目标边缘的分割精度。CN113989307ACN113989307A权利要求书1/2页1.一种图像语义分割方法,其特征在于,包括:基于图像获得RGB矩阵;采用预设手段对所述图像处理,得到灰度图像矩阵;将所述RGB矩阵与所述灰度图像矩阵按照预设规则合并得到目标矩阵集合;对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理,其中,语义分割时所述卷积神经网络的预设语义分割模型的输入矩阵为所述目标矩阵集合。2.根据权利要求1所述的方法,其特征在于,所述对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理,其中,语义分割时所述卷积神经网络的预设语义分割模型的输入矩阵为所述目标矩阵集合,包括:建立语义分割模型,其中,所述语义分割模型至少包括输入模块,将所述输入模块中的第一个卷积层的输入维度设置为4;基于所述语义分割模型对所述图像进行输入矩阵为所述目标矩阵集合的语义分割处理。3.根据权利要求1所述的方法,其特征在于,所述得到目标矩阵集合前,包括:分别对所述灰度图像矩阵、所述RGB矩阵进行归一化处理。4.根据权利要求3所述的方法,其特征在于,归一化处理后的所述灰度图像矩阵中每个元素值为0或1,所述RGB矩阵中每个元素值在[0,1]之间。5.根据权利要求3所述的方法,其特征在于,所述采用预设手段对所述图像处理,得到灰度图像矩阵,包括:将所述图像转化为灰度图;对所述灰度图进行二值化处理,获得二值化的灰度图像矩阵,其中二值化的所述灰度图像矩阵中的元素值为0或255。6.根据权利要求5所述的方法,其特征在于,所述对所述灰度图进行二值化处理,包括:采用自适应阈值二值化算法对所述灰度图进行二值化处理。7.根据权利要求6所述的方法,其特征在于,所述采用自适应阈值二值化算法对所述灰度图进行二值化处理,包括:获取以当前像素点作为中心的m×n的像素区域;根据高斯函数分别计算所述m×n的像素区域内各像素点到所述当前像素点的距离并进行加权平均,得到所述像素点的二值化阈值;将所述当前像素点的灰度值与所述二值化阈值进行对比,若所述当前像素点的灰度值大于所述二值化阈值,则将所述当前像素点的二值化值设为255,若所述当前像素点的灰度值小于所述二值化阈值,则将所述当前像素点的二值化值设为0。8.根据权利要求1‑7中任一项所述的方法,其特征在于,所述对所述图像利用卷积神经网络的预设语义分割模型进行语义分割处理所得到的分割图像中,标记有至少一种类别标签。9.一种电子设备,其特征在于,包括:处理器;以及存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1‑8中的任一项所述的方法。2CN113989307A权利要求书2/2页10.一种存储介质,其特征在于,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1‑8中任一项所述的方法。3CN113989307A说明书1/8页图像语义分割方法、电子设备及存储介质技术领域[0001]本申请涉及计算机技术领域,尤其涉及一种图像语义分割方法、电子设备及存储介质。背景技术[0002]近年来,以深度学习为中心的机器学习技术引起了人们的关注。比如,自动驾驶汽车已经逐渐成为可能,但在整个深度学习过程,需要算法识别和学习作为原始数据提供的图像,在这一过程中,应用到了语义分割技术。语义分割是一种典型的计算机视觉问题,其涉及将一些原始数据(例如,平面图像)作为输入并将它们转换