CN114913182B 图像分割方法、装置、设备和存储介质 （杭州阿里云飞天信息技术有限公司）

司图像块和第二图像块进行特征提取以得到第一和第二特征图中确定与目标卷积核对应的卷积三特征图和第四特征图确定第一图像块和第二块空洞卷积操作实现了不同图像块的上下文信2针对多个图像块中的第一图像块和第二图像块，分别进行特根据所述第一图像块和所述第二图像块的位置关系以及设定采用所述目标卷积核在所述卷积范围内进行空洞卷积处理，以得到新后的第三特征图以及所述第二特征图更新后的根据所述第三特征图和所述第四特征图，确定所述第一图像块和所根据所述第一图像块与所述第二图像块之间的第一距离以及所述膨胀率对应的第二确定所述第一区域与所述第二区域为与所述目标卷积核根据所述第一图像块与所述第二图像块之间的相对位置，和/或所述第一像素与所述根据所述第一图像块和所述第二图像块在所述目标图像中的位置，将所述第三特征图与所述第六特征图融合，将所述第四特征图与所述第七特征图融所述根据所述第三特征图和所述第四特征图，确定所述第一图像块和35.根据权利要求1至4中任一项所述的方法，其根据所述膨胀率确定所述第一图像块和所述第二图像块，其中，所述第二图像块之间的第一距离小于所述膨胀率7.根据权利要求1至4中任一项所述的方法，其一图像块和所述第二图像块是本次训练过程中输根据所述第一图像块和所述第二图像块各自对应的像素类别监督信确定所述第三特征图和所述第四特征图中属于目标类别的各像素所对应的特征向量将所述本次训练过程中所述目标类别对应的类别中心特征向量与之前多次训练过程所述根据所述第三特征图和所述第四特征图，确定所述第一图像块和根据所述第八特征图和所述第九特征图，确定所述第一图像块和所根据所述第一图像块和所述第二图像块的图像分割结果，以及卷积模块，用于根据所述第一图像块和所述第二图像块的位置关系以及设定的膨胀分割模块，用于根据所述第三特征图和所述第四特征4针对多个图像块中的第一图像块和第二图像块，分别进行特根据所述第一图像块和所述第二图像块的位置关系以及设定采用所述目标卷积核在所述卷积范围内进行空洞卷积处理，以得到新后的第三特征图以及所述第二特征图更新后的根据所述第三特征图和所述第四特征图，确定所述第一图像块和所将标注有所述图像分割结果的目标图像反馈至所针对多个图像块中的第一图像块和第二图像块，分别进行特根据所述第一图像块和所述第二图像块的位置关系以及设定采用所述目标卷积核在所述卷积范围内进行空洞卷积处理，以得到新后的第三特征图以及所述第二特征图更新后的根据所述第三特征图和所述第四特征图，确定所述第一图像块和所5[0002]相比于普通分辨率图像(NaturalResolutionImage)来说，超高分辨率图像6机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的图7[0037]在本发明实施例中，当需要对具有超高分辨率的目标图8[0058]空洞卷积（DilatedConvolution也称为膨胀卷积，神经网络中的一种卷积算卷积通过设置不同的dilationrate，可以保证在相同计算量的情况下，获得更大的感受9新后的第三特征图以及第二特征图更新后的征图和第二特征图这种对应于一对输入图像块一特征图与第二特征图中将无法确定出能够被目标卷积核在图4中，假设基于膨胀率d1和d2分别确定出区域W1p和W1n，以及区域W2p和W2n这两对区[0089]根据第一图像块与第二图像块之间的相对位置，和/或第一像素与第二像素之间根据膨胀率d3可以确定出一个卷积窗口，亦即确定出被卷积核中原本的9个权重进行加权新后的第三特征图以及第二特征图更新后的[0114]为完成目标图像的图像分割处理，仍旧需要使用一个图像分割模型，如图8中所和第六特征图中同一像素对应的特征向量加和在一起，以得到融合后的特征图A中该像素[0123]图9为本发明实施例提供的一种图像分割模型训练方法的新后的第三特征图以及第二特征图更新后的[0129]906、将本次训练过程中目标类别对应的类别中心特征向量与之前多次训练过程[0133]本实施例训练出的图像分割模型可以用于执行前述图2所示实施例提供的图像分别中心特征向量的数量可以进行合理设置，比如最近的100次训练过程得到的结果进行相特征图中对应的特征向量与R3相加，加和结果作为在第八特征图中该像素对应的特征向[0144]图10为本发明实施例提供的一种图像分割模型训练方法的流程图，如图10中所更新后的第三特征图以及第二特征图更新后的对应的第二损失，根据目标图像对应的像素类别监督信息确定第一子模型对应的第三损[0155]本实施例训练出的图像分割模型可以用于执行前述图7所示实施例提供的图像分施例中所说的第一特征提取器和第二特征提取器包含在对应的子域与所述第二区域为与所述目标卷积核对应的所述目标卷积核中与所述第一像素对应的第一权重以及与所述第二像素对应的第二权重；所述第一像素对应的更新后特征向量；根据所述第一区域内各像素对应的更新后特征向训练过程中所述目标类别对应的类别中心特征向量与之前多次训练过程中所述目标类别各自对应的类别中心特征向量相加；以相加后的所述目标类别对应的类别中心特征向量，[0183]在一个可能的设计中，上述图12所示图像分割装置的结构可实现为一电子设述处理器至少可以实现如前述实施例中提供的借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；