图像数据处理方法、装置、设备以及介质.pdf

(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CN113822314A(43)申请公布日2021.12.21(21)申请号202110648695.4(22)申请日2021.06.10(71)申请人腾讯云计算（北京）有限责任公司地址100190北京市海淀区知春路49号3层西部309(72)发明人高斌斌罗凤(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强杜维(51)Int.Cl.G06K9/62(2006.01)G06K9/34(2006.01)权利要求书5页说明书27页附图12页(54)发明名称图像数据处理方法、装置、设备以及介质(57)摘要本申请实施例提供了一种图像数据处理方法、装置、设备以及介质，该方法具体涉及图像实例分割，可以应用在计算机视觉任务中。该方法包括：在源图像中获取具有不同尺寸的M个对象特征图，获取每个对象特征图中的像素点所对应的分类置信度，M为正整数；获取每个对象特征图中的像素点所对应的初始预测极径，根据初始预测极径在每个对象特征图中获取轮廓采样点，将轮廓采样点的极径偏差和初始预测极径之和，确定为每个对象特征图中的像素点所对应的目标预测极径；根据每个对象特征图中的像素点所对应的分类置信度和目标预测极径，在源图像中确定用于表征目标对象的轮廓的对象边缘形状。采用本申请实施例，可以提高图像的分割准确性。CN113822314ACN113822314A权利要求书1/5页1.一种图像数据处理方法，其特征在于，包括：获取与源图像所包含的目标对象相关联的M个对象特征图，根据所述M个对象特征图，获取每个对象特征图中的像素点所对应的分类置信度；所述M个对象特征图为具有不同尺寸的图像特征，所述分类置信度用于表征所述每个对象特征图中的像素点与所述目标对象之间的关联程度，所述M为正整数；根据所述M个对象特征图，获取所述每个对象特征图中的像素点所对应的初始预测极径，根据所述初始预测极径，在所述每个对象特征图中分别获取所述目标对象对应的轮廓采样点；所述轮廓采样点所构成的轮廓与所述目标对象的轮廓相关联；获取所述每个对象特征图中的轮廓采样点所对应的极径偏差，将所述极径偏差和所述初始预测极径之和，确定为所述每个对象特征图中的像素点所对应的目标预测极径；根据所述每个对象特征图中的像素点所对应的所述目标预测极径，在所述源图像中确定所述每个对象特征图分别关联的候选边缘形状，将所述每个对象特征图分别关联的候选边缘形状均添加至候选边缘形状集合，根据所述每个对象特征图中的像素点所对应的所述分类置信度，在所述候选边缘形状集合中确定用于表征所述目标对象的轮廓的对象边缘形状。2.根据权利要求1所述的方法，其特征在于，所述获取与源图像所包含的目标对象相关联的M个对象特征图，包括：获取包含所述目标对象的所述源图像，将所述源图像输入至目标图像分割模型，根据所述目标图像分割模型中的残差组件，在所述源图像中获取与所述目标对象相关联的N个残差特征图；所述N个残差特征图为所述残差组件中的不同网络层所输出的特征，所述N为正整数；在所述目标图像分割模型的特征融合组件中，对所述N个残差特征图进行特征融合，得到所述目标对象对应的所述M个对象特征图。3.根据权利要求2所述的方法，其特征在于，所述N个残差特征图包括第一残差特征图和第二残差特征图，所述第二残差特征图的尺寸小于所述第一残差特征图的尺寸；所述在所述目标图像分割模型的特征融合组件中，对所述N个残差特征图进行特征融合，得到所述目标对象对应的所述M个对象特征图，包括：在所述目标图像分割模型的特征融合组件中，分别对所述第一残差特征图和第二残差特征图进行卷积操作，得到所述第一残差特征图对应的第一卷积特征图，以及所述第二残差特征图对应的第二卷积特征图；对所述第二卷积特征图进行上采样操作，得到上采样特征图，将所述第一卷积特征图和所述上采样特征图之和确定为融合特征图；对所述第二卷积特征图进行下采样操作，得到下采样特征图，根据所述融合特征图、所述第二卷积特征图以及所述下采样特征图，确定所述目标对象对应的所述M个对象特征图。4.根据权利要求1所述的方法，其特征在于，所述分类置信度包括类别置信度和中心置信度；所述根据所述M个对象特征图，获取每个对象特征图中的像素点所对应的分类置信度，包括：获取所述M个对象特征图中的对象特征图Pi，在目标图像分割模型的分类组件中，获取2CN113822314A权利要求书2/5页所述对象特征图Pi对应的对象分类特征图；所述i为小于或等于所述M的正整数；根据所述分类组件中的类别预测子组件，对所述对象分类特征图进行像素类别分类，得到所述对象特征图Pi中的像素点分别属于L个类别的类别置信度；所述目标图像分割模型用于识别所述L个类别所对应的对象，所述L为正整数；根据所述分类组