图像处理方法、装置、电子设备和计算机可读介质.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CN112419342A(43)申请公布日2021.02.26(21)申请号202011143529.0(22)申请日2020.10.22(71)申请人北京迈格威科技有限公司地址100090北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人董斌汪天才(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人何少岩(51)Int.Cl.G06T7/12(2017.01)G06T5/00(2006.01)G06T3/40(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图7页(54)发明名称图像处理方法、装置、电子设备和计算机可读介质(57)摘要本发明提供了一种图像处理方法、装置、电子设备和计算机可读介质，包括：对待处理图像中的目标对象进行浅层特征提取，得到目标对象的浅层特征图；获取AnchorBased实例分割方法对待处理图像中的目标对象进行实例分割时，得到的第一实例分割特征图；基于目标对象的浅层特征图对第一实例分割特征图进行导向滤波运算，得到第二实例分割特征图；基于第一实例分割特征图和第二实例分割特征图确定待处理图像中目标对象的蒙版。本发明的第二实例分割特征图中带有目标对象的边缘信息，最后确定的待处理图像中目标对象的蒙版的边缘效果更好，提升了实例分割的性能和准确率，并且本发明的方法计算量小，图像处理效率高。CN112419342ACN112419342A权利要求书1/2页1.一种图像处理方法，其特征在于，包括：获取待处理图像，并对所述待处理图像中的目标对象进行浅层特征提取，得到目标对象的浅层特征图，其中，所述目标对象的浅层特征图中包含有目标对象的边缘信息；获取AnchorBased实例分割方法对所述待处理图像中的目标对象进行实例分割时，得到的第一实例分割特征图；基于所述目标对象的浅层特征图对所述第一实例分割特征图进行导向滤波运算，得到第二实例分割特征图，其中，所述第二实例分割特征图带有目标对象的边缘信息；基于所述第一实例分割特征图和所述第二实例分割特征图确定所述待处理图像中目标对象的蒙版。2.根据权利要求1所述的方法，其特征在于，对所述待处理图像中的目标对象进行浅层特征提取包括：对所述待处理图像进行多尺度缩放处理，得到多尺度的待处理图像；根据所述AnchorBased实例分割方法中预测的目标对象的目标框坐标在所述多尺度的待处理图像中确定目标尺度的待处理图像；将所述目标尺度的待处理图像输入至浅层特征提取网络，得到所述目标对象的浅层特征图，其中，所述浅层特征提取网络包括两个串联的第一目标卷积层。3.根据权利要求2所述的方法，其特征在于，基于所述目标对象的浅层特征图对所述第一实例分割特征图进行导向滤波运算包括：根据所述目标框坐标对所述目标对象的浅层特征图进行ROIAlign运算，得到目标尺度的目标对象的浅层特征图；对所述第一实例分割特征图进行上采样，得到上采样的第一实例分割特征图；基于所述目标尺度的目标对象的浅层特征图对所述上采样的第一实例分割特征图进行导向滤波运算，得到所述第二实例分割特征图。4.根据权利要求3所述的方法，其特征在于，基于所述目标尺度的目标对象的浅层特征图对所述上采样的第一实例分割特征图进行导向滤波运算包括：对所述目标尺度的目标对象的浅层特征图和所述上采样的第一实例分割特征图分别进行均值滤波运算，得到均值滤波运算结果；计算所述目标尺度的目标对象的浅层特征图与所述目标尺度的目标对象的浅层特征图的第一相关系数矩阵，并计算所述目标尺度的目标对象的浅层特征图与所述上采样的第一实例分割特征图的第二相关系数矩阵；基于所述均值滤波运算结果、所述第一相关系数矩阵和所述第二相关系数矩阵确定所述第二实例分割特征图。5.根据权利要求4所述的方法，其特征在于，基于所述均值滤波运算结果、所述第一相关系数矩阵和所述第二相关系数矩阵确定所述第二实例分割特征图包括：根据所述均值滤波运算结果和所述第一相关系数矩阵计算所述目标尺度的目标对象的浅层特征图与所述目标尺度的目标对象的浅层特征图的第一方差，并根据所述均值滤波运算结果和所述第二相关系数矩阵计算所述目标尺度的目标对象的浅层特征图与所述上采样的第一实例分割特征图的第二方差；根据所述第一方差和所述第二方差计算第一系数矩阵，并根据所述第一系数矩阵和所2CN112419342A权利要求书2/2页述均值滤波运算结果计算第二系数矩阵；对所述第一系数矩阵、所述第二系数矩阵和所述目标尺度的目标对象的浅层特征图进行线性组合，得到所述第二实例分割特征图。6.根据权利要求1所述的方法，其特征在于，基于所述第一实例分割特征图和所述第二实例分割特