(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211045558.2 (22)申请日 2022.08.30 (71)申请人 河南讯飞人工智能科技有限公司 地址 450003 河南省郑州市金 水区宝瑞路 115号河南省信息安全产业 示范园4号 (72)发明人 闫润强　李亚飞　邓柯珀　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 赵春华 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种对象分割方法、 装置、 设备及存 储介质 (57)摘要 本发明提供了一种对象分割方法、 装置、 设 备及存储介质， 其中， 方法包括： 获取包含目标对 象的图像， 作为目标图像； 对目标图像由浅到深 提取N个层次的特征， 其中， N为大于1的整数， 第1 个层次的特征为最浅层特征， 第N个层次的特征 为最深层特征； 对N个层次的特征进行信息融合， 得到第1个层次至第N ‑1个层次分别对应的融合 特征， 融合特征包含对应层次的特征信息和其它 层次的特征信息； 基于第N个层次的特征， 以及第 1个层次至第N ‑1个层次分别对应的融合特征， 从 目标图像中分割出目标对象。 本发 明提供的对象 分割方法， 能够精准地从目标图像中分割出目标 对象。 权利要求书3页 说明书17页 附图6页 CN 115393591 A 2022.11.25 CN 115393591 A 1.一种对象分割方法， 其特 征在于， 包括： 获取包含目标对象的图像， 作为目标图像； 对所述目标图像由浅到深提取N个层次的特征， 其中， N为大于1的整数， 第1个层次的特 征为最浅层特 征， 第N个层次的特 征为最深层特 征； 对所述N个层次的特征进行信息融合， 得到第1个层次至第N ‑1个层次分别对应的融合 特征， 所述融合特 征包含对应层次的特 征信息和其它层次的特 征信息； 基于所述第N个层次的特征， 以及所述第1个层次至第N ‑1个层次分别 对应的融合特征， 从所述目标图像中分割出 所述目标对象。 2.根据权利要求1所述的对象分割方法， 其特征在于， 所述对所述目标图像由浅到深提 取N个层次的特 征， 包括： 利用第一类型的卷积对所述目标图像提取第1个层次的特征， 利用第二类型的卷积对 所述第1个层次的特征提取特征， 得到第1个层次的最 终特征， 其中， 所述第二类型的卷积为 可变形卷积； 从第2个层次开始， 对前一个层次的最终特征进行池化处理， 利用所述第 一类型的卷积 对池化处理后特征提取特征， 得到当前层次的初步特征， 利用所述第二类型 的卷积对当前 层次的初步特 征提取特征， 得到当前层次的最终特 征， 直至获得第N ‑1个层次的最终特 征； 对第N‑1个层次的最终特征进行池化处理， 利用所述第一类型的卷积对第N ‑1个层次的 池化处理后特征提取特征， 得到第N个层次的初步特征， 利用所述第一类型的卷积或者所述 第二类型的卷积对所述第N个层次的初步特 征提取特征， 得到第N个层次的最终特 征。 3.根据权利要求1所述的对象分割方法， 其特征在于， 所述对所述N个层次的特征进行 信息融合， 得到第1个层次至第N ‑1个层次分别对应的融合特 征， 包括： 将第N个层次的特征的特征信息融入第N ‑1个层次的特征中， 得到第N ‑1个层次对应的 一次融合特征； 从第N ‑2个层次开始， 将后一个层次对应的一次融合特征的特征信息融入当 前层次的特征中， 得到 当前层次对应的一次融合特征， 直至获得第1个层次对应的一次融合 特征； 将第1个层次对应的一次融合特征作为第1个层次对应的最终融合特征； 从第2个层次 开始， 将前一个层次对应的最终融合特征的特征信息融入当前层次对应的一次融合特征 中， 得到当前层次对应的最终融合特 征， 直至获得第N ‑1个层次对应的最终融合特 征。 4.根据权利要求3所述的对象分割方法， 其特征在于， 所述将第N个层次的特征的特征 信息融入第N ‑1个层次的特 征中， 得到第N ‑1个层次对应的一次融合特 征， 包括： 对第N个层次的特征进行降维和上采样处理， 将第N个层次的处理后特征与第N ‑1个层 次的特征融合， 得到第N ‑1个层次对应的一次融合特 征； 所述将后 一个层次对应的一 次融合特征的特征信 息融入当前层次的特征中， 得到当前 层次对应的一次融合特 征， 包括： 对所述后 一个层次对应的一 次融合特征进行降维和上采样处理， 将后一个层次对应的 处理后一次融合特 征与当前层次的特 征融合， 得到当前层次对应的一次融合特 征； 所述将前一个层次对应的最终融合特征的特征信息融入当前层次对应的一次融合特 征中， 得到当前层次对应的最终融合特 征， 包括： 对前一个层次对应的最终融合特征进行下采样处理， 将前一层次对应的处理后融合特权　利　要　求　书 1/3 页 2 CN 115393591 A 2征与当前层次对应的一次融合特 征融合， 得到当前层次对应的最终融合特 征。 5.根据权利要求1所述的对象分割方法， 其特征在于， 所述基于第N个层次的特征， 以及 第1个层次至第N ‑1个层次分别对应的融合特征， 从所述目标图像中分割出所述目标对象， 包括： 将第1个层次至第N ‑1个层次分别对应的融合特征中无关的特征信息去除， 得到第1个 层次至第N ‑1个层次分别对应的相关融合特 征； 基于所述第N个层次的特征， 以及所述第1个层次至第N ‑1个层次分别对应的相关融合 特征， 确定所述目标图像对应的分割掩膜； 利用所述目标图像对应的分割掩膜， 从所述目标图像中分割出 所述目标对象。 6.根据权利要求5所述的对象分割方法， 其特征在于， 每个层次对应的融合特征包括多 个通道的特 征； 所述将第1个层次至第N ‑1个层次分别对应的融合特 征中无关的特 征信息去除， 包括： 针对所述第1个层次至第N ‑1个层次中的每 个层次： 确定该层次对应的融合特 征包含的每个通道的特 征的权重； 按该层次对应的融合特征包含的每个通道的特征的权重， 对该层次对应的融合特征包 含的每个通道的特 征加权， 加权后得到该层次对应的相关融合特 征。 7.根据权利要求5所述的对象分割方法， 其特征在于， 所述基于所述第 N个层次的特征， 以及所述第1个层次至第N ‑1个层次分别对应的相关融合特征， 确定所述目标图像对应的分 割掩膜， 包括： 对所述第N个层次的特征进行上采样， 将所述第N个层次的特征上采样结果与所述第N ‑ 1个层次对应的相关融合特征融合， 并对融合结果进 行卷积处理， 卷积处理结果作为所述第 N‑1个层次对应的目标 特征； 从第N‑2个层次开始， 对前一个层次对应的目标特征进行上采样， 将前一个层次对应的 特征上采样结果与当前层次对应的相关融合特征融合， 并对融合结果进行卷积处理， 卷积 处理结果作为当前层次对应的目标 特征， 直至获得第1个层次对应的目标 特征； 根据所述第1个层次对应的目标 特征， 确定所述目标图像对应的分割掩膜。 8.根据权利要求1～7中任一项所述的对象分割方法， 其特征在于， 所述对所述目标图 像由浅到深提取N个层次的特征， 对 所述N个层次的特征进 行信息融合， 得到第1个层次至第 N‑1个层次分别对应的融合特征， 基于所述第N个层次的特征， 以及所述第1个层次至第N ‑1 个层次分别对应的融合特 征， 从所述目标图像中分割出 所述目标对象， 包括： 基于预先训练得到的对象分割模型， 对所述目标图像进行处理， 得到所述目标图像对 应的分割掩膜； 其中， 所述对 象分割模型采用训练图像和所述训练图像对应的真实分割掩 膜训练得到； 利用所述目标图像对应的分割掩膜， 从所述目标图像中分割出 所述目标对象。 9.根据权利要求8所述的对象分割方法， 其特征在于， 所述对象分割模型的训练目标包 括： 使针对所述训练图像中每个像素预测的类别标签与对应的真实类别标签趋于一致， 其 中， 所述训练图像中每 个像素的真实类别标签由所述训练图像对应的真实分割掩膜决定； 以及， 使针对所述训练图像预测的分割掩膜与 所述训练图像对应的真实分割 掩膜的重权　利　要　求　书 2/3 页 3 CN 115393591 A 3