【技术实现步骤摘要】
图像分割方法、装置、终端设备和存储介质
[0001]本申请涉及图像分割
,尤其涉及一种图像分割方法
、
装置
、
终端设备和存储介质
。
技术介绍
[0002]现有的图像分割方法,通常使用输入图像为
RGB
图像的语义分割算法,如使用
FCN、UNet
等语义分割算法通过端到端的训练即可实现高精度的语义分割,然而基于
RGB
图像的语义分割在实际应用中却面临光照变化
、
阴影等导致的分割错误问题,因此这类方法的分割精度较低
。
技术实现思路
[0003]本申请目的在于:提供一种图像分割方法
、
装置
、
终端设备和存储介质,以提高图像的分割精度
。
[0004]为达上述目的,本申请提供了一种图像分割方法,包括以下步骤:
[0005]获取
RGB
图像及深度图像;
[0006]提取所述
RGB
图像的特征,得到
RGB
特征图;
[0007]提取所述深度图像的特征,得到深度图像特征图;
[0008]将所述
RGB
特征图与所述深度图像特征图进行融合,得到融合特征图;
[0009]对所述融合特征图进行多次下采样,将每次下采样后得到的卷积特征进行融合,得到多尺度融合特征图;
[0010]对所述多尺度融合特征图进行分割后,得到分割结果<
【技术保护点】
【技术特征摘要】
1.
一种图像分割方法,其中,包括以下步骤:获取
RGB
图像及深度图像;提取所述
RGB
图像的特征,得到
RGB
特征图;提取所述深度图像的特征,得到深度图像特征图;将所述
RGB
特征图与所述深度图像特征图进行融合,得到融合特征图;对所述融合特征图进行多次下采样,将每次下采样后得到的卷积特征进行融合,得到多尺度融合特征图;对所述多尺度融合特征图进行分割后,得到分割结果
。2.
根据权利要求1所述的图像分割方法,其中,所述获取
RGB
图像及深度图像的步骤包括以下步骤:获取原始
RGB
图像及原始深度图像;对所述原始
RGB
图像及原始深度图像进行分辨率配准和裁剪处理,得到
RGB
图像及深度图像;其中,所述
RGB
图像与深度图像具有相同分辨率和相同场景范围
。3.
根据权利要求1所述的图像分割方法,其中,所述提取所述
RGB
图像的特征,得到
RGB
特征图的步骤包括以下步骤:调用
RGB
特征提取模块提取所述
RGB
图像的特征,得到
RGB
特征图;其中,所述
RGB
特征提取模块包括批标准化层
、ReLU
激活层和预设组数的卷积层,所述预设组数的卷积层连续堆叠
。4.
根据权利要求1所述的图像分割方法,其中,所述将所述
RGB
特征图与所述深度图像特征图进行融合,得到融合特征图的步骤包括以下步骤:将所述
RGB
特征图与所述深度图像特征图按照预设通道维度进行拼接,得到融合特征图
。5.
根据权利要求1所述的图像分割方法,其中,所述对所述多尺度融合特征图进行分割后,得到分割结果的步骤之后还包括以下步骤:对所述深度图像及所述
RGB
图像分别进行边缘检测,得到所述深度图像的第一边缘特征及所述
【专利技术属性】
技术研发人员:朱勋沐,
申请(专利权)人:广州视源人工智能创新研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。