【技术实现步骤摘要】
本申请涉及语义分割，尤其涉及一种语义分割方法、装置、设备、介质以及产品。
技术介绍
1、语义分割任务是像素级的图像识别、目标定位与检测任务，是自动驾驶领域的核心技术之一，而注意力机制是机器学习中的一种数据处理方法，在深度学习模型中注意力机制利用掩码形成新的权重作用于图片特征域，能够使模型有选择地关注有效信息、提高模型信息处理的效率和准确性。
2、目前语义分割领域常见的注意力机制有：卷积注意力机制模块(cbam)，卷积注意力机制模块融合通道注意力和空间注意力机制，充分利用卷积神经网络的卷积计算特性，融合跨通道和空间信息加强特征提取，但是该方法仅仅关注通道特征和空间信息，无法解决多尺度目标分割的问题。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种语义分割方法、装置、设备、介质以及产品，旨在解决现有技术在进行语义分割时对于不同尺度大小的目标对象难以准确辨别的技术问题。
2、为实现上述目的，本申请提出一种语义分割方法，所述方法包括：
3、将预设的图像数据进行预处理后输入骨干网络resnet50中，通过所述resnet50进行特征提取，得到中间特征；
4、通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果。
5、在一实施例中，所述通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果的步骤包括：
6、通过所述多尺度
7、通过所述多尺度注意力平台中的若干卷积核对所述第三特征向量进行卷积，得到第四特征向量；
8、根据所述第四特征向量进行卷积得到最终特征向量，并基于所述最终特征向量进行语义分割，得到分割结果。
9、在一实施例中，所述通过所述多尺度注意力平台对所述中间特征进行池化，得到第三特征向量的步骤包括：
10、通过所述多尺度注意力平台对所述中间特征进行平均池化，得到第一特征向量；
11、通过所述多尺度注意力平台对所述中间特征进行最大池化，得到第二特征向量；
12、对所述第一特征向量以及第二特征向量进行级联得到第三特征向量。
13、在一实施例中，所述若干卷积核包括第一卷积核、第二卷积核以及第三卷积核，所述通过所述多尺度注意力平台中的若干卷积核对所述第三特征向量进行卷积，得到第四特征向量的步骤包括：
14、通过所述第一卷积核对所述第三特征向量进行卷积，得到第一中间向量；
15、通过所述第二卷积核对所述第三特征向量进行卷积，得到第二中间向量；
16、通过所述第三卷积核对所述第三特征向量进行卷积，得到第三中间向量；
17、对所述第三特征向量进行全局平均池化操作，得到第四中间向量；
18、对所述第一中间向量、第二中间向量、第三中间向量以及第四中间向量进行级联，得到第四特征向量。
19、在一实施例中，所述根据所述第四特征向量进行卷积得到最终特征向量，并基于所述最终特征向量进行语义分割，得到分割结果的步骤包括：
20、将所述第四特征向量输入所述第一卷积核进行卷积后，通过归一化指数函数softmax进行处理，得到权重向量；
21、将所述权重向量以及中间特征相乘得到最终特征向量；
22、对所述最终特征向量进行语义分割，得到分割结果。
23、在一实施例中，所述对所述最终特征向量进行语义分割，得到分割结果的步骤之后，所述方法包括：
24、接收用户的操作指令；
25、分析所述操作指令，得到操作任务，所述操作任务包括图像识别、目标定位以及规划控制中的一种或多种；
26、基于所述分割结果执行所述操作任务，得到执行结果。
27、此外，为实现上述目的，本申请还提出一种语义分割装置，所述语义分割装置包括：
28、提取模块，用于将预设的图像数据进行预处理后输入骨干网络resnet50中，通过所述resnet50进行特征提取，得到中间特征；
29、分割模块，用于通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果。
30、此外，为实现上述目的，本申请还提出一种语义分割设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的语义分割方法的步骤。
31、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的语义分割方法的步骤。
32、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的语义分割方法的步骤。
33、本申请提出的一个或多个技术方案，至少具有以下技术效果：
34、本申请实施例提出的一种语义分割方法、装置、设备、存储介质以及计算机程序产品，通过将预设的图像数据进行预处理后输入骨干网络resnet50中，通过所述resnet50进行特征提取，得到中间特征；通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果。由此，将预先得到的图像数据经过预处理后输出骨干网络resnet50中进行特征提取，得到中间特征，再通过多尺度注意力平台对中间特征进行语义分割，得到分割结果，解决了现有技术在进行语义分割时对于不同尺度大小的目标对象难以准确辨别的问题，提高了语义分割的准确性。
本文档来自技高网...【技术保护点】
1.一种语义分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述通过所述多尺度注意力平台对所述中间特征进行池化，得到第三特征向量的步骤包括：
4.如权利要求2所述的方法，其特征在于，所述若干卷积核包括第一卷积核、第二卷积核以及第三卷积核，所述通过所述多尺度注意力平台中的若干卷积核对所述第三特征向量进行卷积，得到第四特征向量的步骤包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第四特征向量进行卷积得到最终特征向量，并基于所述最终特征向量进行语义分割，得到分割结果的步骤包括：
6.如权利要求2所述的方法，其特征在于，所述对所述最终特征向量进行语义分割，得到分割结果的步骤之后，所述方法包括：
7.一种语义分割装置，其特征在于，所述装置包括：
8.一种语义分割设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的
9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的语义分割方法的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的语义分割方法的步骤。
...【技术特征摘要】
1.一种语义分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述通过多尺度注意力平台对所述中间特征进行语义分割，得到分割结果的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述通过所述多尺度注意力平台对所述中间特征进行池化，得到第三特征向量的步骤包括：
4.如权利要求2所述的方法，其特征在于，所述若干卷积核包括第一卷积核、第二卷积核以及第三卷积核，所述通过所述多尺度注意力平台中的若干卷积核对所述第三特征向量进行卷积，得到第四特征向量的步骤包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第四特征向量进行卷积得到最终特征向量，并基于所述最终特征向量进行语义分割，得到分割结果的步骤包括：
6.如权利要求2所述的...
【专利技术属性】
技术研发人员：宋朝忠，钟应鹏，付雨晨，
申请(专利权)人：广东易胜创新智能科技有限公司，
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。