用于实例分割的头部模型、实例分割模型、图像分割方法及装置

技术领域

本申请涉及人工智能技术领域，具体为计算机视觉和深度学习技术，具体涉及一种用于实例分割的头部模型、实例分割模型、图像分割方法及装置。

背景技术

随着深度学习的发展，计算机视觉技术应用越来越广泛，其中实例分割技术作为视觉任务中较为基础的任务，主要用于对图像中的目标物体进行像素级别分割，并识别出其类别。

实例分割任务常用的模型结构主要包括主体部分(backbone)、脖子部分(neck)、头部部分(header)和损失计算部分(loss)。其中，头部部分用于预测目标的位置信息和分割信息。目前，头部部分通常采用图1所示出的结构，该结构的头部部分预测出的分割信息及置信度不够准确，这导致实例分割的分割效果不够精细。

发明内容

本申请提供了一种用于实例分割的头部模型、实例分割模型、图像分割方法及装置。

根据第一方面，本申请提供了一种用于实例分割的头部模型，包括目标框分支和掩码分支；

所述目标框分支包括第一分支和第二分支，所述第一分支用于对输入的第一特征图进行处理，得到目标框的类别信息和置信度，所述第二分支用于对所述第一特征图进行处理，得到所述目标框的位置信息；

所述掩码分支用于对输入的第二特征图进行处理，得到掩码信息；

其中，所述第二特征图为感兴趣区域ROI提取模块输出的特征图，所述第一特征图为所述第二特征图经池化处理后得到的特征图。

根据第二方面，本申请提供了另一种用于实例分割的头部模型，包括目标框分支、掩码分支和掩码置信度重计算分支；

所述目标框分支用于对输入的第一特征图进行处理，得到目标框的类别信息和置信度以及所述目标框的位置信息；

所述掩码分支用于对输入的第二特征图进行处理，得到第三特征图；

所述掩码置信度重计算分支用于对所述第二特征图和第四特征图进行处理，得到所述掩码分支的置信度；

其中，所述第二特征图为感兴趣区域ROI提取模块输出的特征图，所述第一特征图为所述第二特征图经池化处理后得到的特征图，所述第四特征图为对所述第三特征图进行下采样后得到的特征图。

根据第三方面，本申请提供了一种实例分割模型，包括依次连接的主体部分、脖子部分、头部部分和损失计算部分，所述脖子部分和所述头部部分之间还设置有感兴趣区域ROI提取模块，所述头部部分采用第一方面或第二方面所述的头部模型。

根据第四方面，本申请提供了一种图像分割方法，具有第三方面所述的实例分割模型，所述方法包括：利用所述实例分割模型对图像进行实例分割。

根据第五方面，本申请提供了一种图像分割装置，具有第三方面所述的实例分割模型，所述图像分割装置通过所述实例分割模型对图像进行实例分割。

根据第六方面，本申请提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第四方面中的任一项方法。

根据第四方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行第四方面中的任一项方法。

根据本申请的技术，通过对实例分割模型中的头部部分的模型结构进行改进，能够使头部部分预测出的分割信息及置信度更加准确，从而使实例分割的分割效果更加精细。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是现有头部部分的模型结构示意图；

图2是根据本申请第一实施例的头部模型的整体结构示意图；

图3是根据本申请第一实施例的目标框分支的结构示意图；

图4是根据本申请第一实施例的掩码置信度重计算分支的结构示意图；

图5是用来实现本申请实施例的图像分割方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本申请提供用于实例分割的头部模型和实例分割模型，旨在对实例分割模型中的头部部分的模型结构进行改进，以解决现有头部部分预测出的分割信息及置信度(又可称为分值)不够准确，而导致实例分割的分割效果不够精细的技术问题。在对本申请进行说明之前，以下先对现有头部部分的模型结构进行简单地介绍。

如图1所示，现有的头部部分包括目标框分支11和掩码分支12，其中目标框分支(box branch)负责输出目标框(即目标的检测框)的类别信息和置信度(class)以及目标框的位置信息(box)，但是位置信息和置信度这两个任务有较大的差异，该分支回归生成的置信度的精度较低。掩码分支(mask branch)负责输出目标的分割信息(图1中表示为M)，该掩码分支不会单独输出置信度，而是直接沿用目标框分支中得到的置信度，这使得掩码分支的置信度不够准确。

可见，现有头部部分的表征能力较差，导致最后回归出来的分割信息及置信度不够准确，从而导致实例分割的分割效果不够精细。

鉴于此，本申请提供用于实例分割的头部模型和实例分割模型，以使预测出的分割信息及置信度更加准确，从而使实例分割的分割效果更加精细。

以下对本申请的示范性实施例进行说明。

实施例一

本申请实施例提供一种用于实例分割的头部模型，如图2所示，头部模型包括目标框分支21和掩码分支22；

所述目标框分支21包括第一分支211和第二分支212，所述第一分支211用于对输入的第一特征图T1进行处理，得到目标框的类别信息和置信度(class)，所述第二分支212用于对所述第一特征图T1进行处理，得到所述目标框的位置信息(box)；

所述掩码分支22用于对输入的第二特征图T2进行处理，得到掩码信息(M)；

上述第二特征图T2为ROI提取模块输出的特征图，所述第一特征图T1为所述第二特征图T2经池化处理(pooling)后得到的特征图。

本申请中的位置信息可以为坐标信息，本申请中的置信度可以为分值。

本申请实施例中的头部模型可应用于实例分割模型中的头部部分，也就是说，实例分割模型中的头部部分可采用本申请实施例中的头部模型。

从实例分割模型整体来看，实例分割模型包括依次连接的主体部分、脖子部分、头部部分和损失计算部分，脖子部分和头部部分之间设置有ROI(Region Of Interest，感兴趣区域)提取模块。其中，主体部分主要包括一些卷积层，用于对输入的图像进行层层卷积计算，得到输入图像的特征图(Feature Maps)；脖子部分嵌套于主体部分，主要用于对不同尺寸的目标进行分配，将不同尺寸的目标分配到各自尺度的特征图上，脖子部分可采用FPN(Feature Pyramid Networks for Object Detection，特征金字塔网络)对输入图像的特征图进行处理，得到FPN特征图；FPN特征图经ROI提取模块处理后得到的特征图可作为头部部分的输入，以实现对目标的位置和分割进行预测，得到目标检测及分割信息；而损失计算部分主要是计算头部部分的预测结果和真实标注之间的差距。

更具体的，头部部分的掩码分支22可直接与ROI提取模块连接，即，ROI提取模块的输出(即上述第二特征图T2)可作为掩码分支22的输入，而头部部分的目标框分支21可通过池化层(pool)与ROI提取模块连接，因此，目标框分支21的输入为ROI提取模块的输出再由池化层进行池化处理(pooling)后的输出(即上述第一特征图T1)。

作为举例，上述第二特征图T2的维度可以为14×14×256，第一特征图T1的维度可以为7×7×256。

本申请实施例中，掩码分支22可以采用现有头部模型的掩码分支，作为举例，如图2所示，掩码分支22的输入是维度为14×14×256的特征图，该特征图经过4个卷积层后可得到14×14×256的特征图，再经过上采样操作后得到28×28×256的特征图，最后经过一个卷积层得到M。作为举例，M可以为28×28×c维度的特征图，其中c代表了总的类别数。

本申请实施例中，目标框分支21分别通过不同的分支输出目标框的类别信息和置信度(class)，以及目标框的位置信息(box)，相比于现有技术中通过相同的分支来输出目标框的类别信息和置信度，以及目标框的位置信息，能够提高目标框分支21生成的置信度的精度。

可选的，如图2所示，所述第一分支211包括第一全连接层FC1和第二全连接层FC2，所述第一特征图T1依次经过所述第一全连接层FC1和所述第二全连接层FC2，得到所述目标框的类别信息和置信度。

作为举例，第一全连接层FC1和第二全连接层FC2的维度均可为1024。

可选的，如图2所示，所述第二分支212包括N个卷积层和第三全连接层FC3，所述第一特征图T1依次经过所述N个卷积层和所述第三全连接层FC3，得到所述目标框的位置信息，所述N为正整数。

作为举例，N可以为4，即第二分支212可包括4个卷积层，N还可以为5、6等其他正整数，第三全连接层FC3的维度可以为1024。

作为举例，维度为7×7×256的第一特征图T1经过4个卷积层之后，可得到维度为7×7×1024的特征图。

可选的，如图3所示，所述N个卷积层中的至少一个卷积层被替换为瓶颈(bottleneck)模块2121，所述瓶颈模块2121包括短路分支和卷积层分支，所述短路分支的输出和所述卷积层分支的输出相加后得到的值作为所述瓶颈模块的输出。

瓶颈模块可以采用残差结构，其由两个小分支构成，即短路分支和卷积层分支，短路分支直连输入输出，卷积层分支可包括若干个卷积层，这两个分支的输出相加后即可得到瓶颈模块的输出。

将卷积层替换为瓶颈模块能够更进一步地提高第二分支的精度，从而使目标框的位置信息更加准确。瓶颈模块在替换卷积层时，可以全部替换N个卷积层，也可以只选择替换其中某几个卷积层，为了平衡网络的速度和精度，可将N个卷积层的第一个卷积层替换成瓶颈模块。

可选的，如图3所示，所述卷积层分支包括3×3×1024卷积层、1×1×1024卷积层和3×3×1024卷积层。

可选的，如图4所示，头部模型还包括掩码置信度重计算分支23(图4中表示为MaskIoU)，所述掩码置信度重计算分支用于对输入的第三特征图T3和第四特征图T4进行处理，得到所述掩码分支的置信度(图4中表示为C)，所述第三特征图T3为对所述掩码分支输出的特征图M(即掩码信息)进行下采样操作后得到的特征图，所述第四特征图T4为所述ROI提取模块输出的特征图。

掩码置信度重计算分支23的输入可以理解为第三特征图T3和第四特征图T4相加得到的值。

作为举例，掩码分支输出的特征图M的维度可以为28×28×1，对该特征图进行下采样操作后可得到14×14×1的特征图，即第三特征图T3。第四特征图T4的维度可以为14×14×256，这里，第四特征图T4也可以理解为图3中的第二特征图T2。掩码置信度重计算分支23的输入为维度为14×14×257的特征图。

在连接关系上，可以理解为掩码置信度重计算分支23分别与掩码分支和ROI提取模块相连接，且掩码分支与掩码置信度重计算分支之间可设置采样层(或下采样算子)。

可选的，如图4所示，所述掩码置信度重计算分支包括P个卷积层、采样层、第四全连接层FC4和第五全连接层FC5，所述P为正整数。

作为举例，P可以为3，即掩码置信度重计算分支23可包括3个卷积层、一个采样层和两个全连接层。

作为举例，掩码置信度重计算分支23的输入为维度为14×14×257的特征图，经过三个卷积层后得到14×14×256的特征图，经过采样层(或下采样算子)下采样操作后得到7×7×256的特征图，再经过两个1024维的全连接层，得到最后的分值作为掩码分支的置信度。

本申请实施例中，通过在头部部分加入掩码置信度重计算分支，该分支可以根据掩码分支输出的特征图得到更准确的分值，作为掩码分支的置信度，相比于现有技术中直接沿用目标框分支中得到的置信度作为掩码分支的置信度，能够提高掩码分支的置信度的精度。

需要说明的是，本申请中的用于实例分割的头部模型中的多种可选的实施方式，彼此可以相互结合实现，也可以单独实现，对此本申请不作限定。

本申请的上述实施例至少具有如下优点或有益效果：

本申请实施例中，通过对实例分割模型中的头部部分的模型结构进行改进，能够使头部部分预测出的分割信息及置信度更加准确，从而使实例分割的分割效果更加精细。

实施例二

本申请还提供另一种用于实例分割的头部模型，头部模型包括目标框分支、掩码分支和掩码置信度重计算分支；

所述目标框分支用于对输入的第一特征图进行处理，得到目标框的类别信息和置信度以及所述目标框的位置信息；

所述掩码分支用于对输入的第二特征图进行处理，得到第三特征图；

所述掩码置信度重计算分支用于对所述第二特征图和第四特征图进行处理，得到所述掩码分支的置信度；

其中，所述第二特征图为感兴趣区域ROI提取模块输出的特征图，所述第一特征图为所述第二特征图经池化处理后得到的特征图，所述第四特征图为对所述第三特征图进行下采样操作后得到的特征图。

本申请实施例中，可以在现有头部模型的基础上加入掩码置信度重计算分支，而保持现有头部模型的目标框分支、掩码分支。

本申请实施例的相关技术方案可参见实施例1中的相关说明及附图2至4，且能够达到相同的有益效果，为避免重复，这里不再赘述。

本申请实施例中，通过在头部部分加入掩码置信度重计算分支，该分支可以根据掩码分支输出的特征图得到更准确的分值，作为掩码分支的置信度，相比于现有技术中直接沿用目标框分支中得到的置信度作为掩码分支的置信度，能够提高掩码分支的置信度的精度。

实施例三

本申请还提供一种实例分割模型，包括依次连接的主体部分、脖子部分、头部部分和损失计算部分，所述脖子部分和所述头部部分之间还设置有感兴趣区域ROI提取模块，所述头部部分采用实施例1和实施例2中的任一项头部模型。

其中，主体部分用于对输入的图像进行卷积计算，得到所述图像的第一特征图；所述脖子部分用于对所述第一特征图进行处理，得到第二特征图；所述ROI提取模块用于对所述第二特征图进行感兴趣区域提取，得到第三特征图，以作为所述头部部分的输入。

本申请实施例的相关技术方案可参见实施例1和实施例2中的相关说明以及附图2至4，为避免重复，这里不再赘述。

本申请提供的实例分割模型能够实现上述用于实例分割的头部模型实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

本申请还提供一种图像分割方法，具有本申请所提供的实例分割模型，所述方法包括：利用所述实例分割模型对图像进行实例分割。

本申请实施例中，利用实例分割模型对图像进行实例分割的具体过程可参见前述的相关说明，且能够达到相同的有益效果，为避免重复，这里不再赘述。

本申请还提供一种图像分割装置，具有本申请所提供的实例分割模型，所述图像分割装置通过所述实例分割模型对图像进行实例分割。

本申请实施例中，通过实例分割模型对图像进行实例分割的具体过程可参见前述的相关说明，且能够达到相同的有益效果，为避免重复，这里不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的图像分割方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图像分割方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像分割方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像分割方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行图像分割装置的各种功能应用以及数据处理，即实现上述方法实施例中的图像分割方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图像分割方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至图像分割方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

图像分割方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与图像分割方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。