(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 202210177515.3 (22)申请日 2022.02.25 (71)申请人 北京华云安信息技 术有限公司 地址 100094 北京市海淀区丰豪东路9号院 2号楼10层4单 元1001 (72)发明人 许春磊　王超　马维士　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 刘凤 (51)Int.Cl. G06V 10/26(2022.01) G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种道路场景分割方法、 装置、 电子设备及 存储介质 (57)摘要 本申请提供了一种道路场景分割方法、 装 置、 电子设备及存储介质， 包括： 获取待分割的道 路场景图像； 将待分割的道路场景图像输入至预 先优化好的道路场景切割模型中的特征提取层， 以使特征提取层基于待分割的道路场景图像的 尺寸以及特征内容进行卷积计算， 确定出待分割 的道路场景的特征图； 其中， 道路场景切割模型 是通过将初始神经网络模型中的标准卷积替换 成解耦动态卷积滤波器而 得到的； 将道路场景的 特征图输入至道路场景切割模型中的类别标注 层， 以使类别标注层对待分割的道路场景的特征 图进行图像类别标注， 输出道路场景图像的分割 结果图； 实现了对道路场景图像的特征内容的自 适应性， 提高了道路场景图像进行分割的准确 性。 权利要求书3页 说明书12页 附图3页 CN 114581664 A 2022.06.03 CN 114581664 A 1.一种道路场景分割方法， 其特 征在于， 所述道路场景分割方法包括： 获取待分割的道路场景图像； 将所述待分割的道路场景图像输入至预先优化好的道路场景切割模型中的特征提取 层， 以使所述特征提取层基于待分割的道路场景图像的尺寸以及特征内容进行卷积计算， 确定出待分割的道路场景 的特征图； 其中， 所述道路场景切割模型是通过将初始神经网络 模型中的标准卷积替换成解耦动态卷积滤波器而得到的； 将所述道路场景的特征图输入至所述道路场景切割 模型中的类别标注层， 以使所述类 别标注层对所述待分割的道路场景的特征图进 行图像类别标注， 输出所述道路场景图像的 分割结果图； 其中， 所述道路场景图像的分割结果图中不同颜色表征着不同图像 类别。 2.根据权利要求1所述的道路场景分割方法， 其特征在于， 所述将所述待分割的道路场 景图像输入至预先优化好的道路场景切割模型中的特征提取层， 以使 所述特征提取层基于 待分割的道路场景图像的尺寸以及特征内容进行卷积 计算， 确定出待分割的道路场景的特 征图， 包括： 将待分割的道路场景图像输入至所述特征提取层中的第 一低分辨率子层， 所述第 一低 分辨率子层中的解耦动态卷积滤波器对所述待分割的道路场景图像进 行卷积计算， 得到第 一特征图； 将所述第一特征图输入至下一分辨率子层中进行特征提取， 直至所述道路场景切割 模 型中的多个分辨率子层完成特征提取后， 将得到的目标特征图进行特征融合， 生成待分割 的道路场景的特 征图。 3.根据权利要求2所述的道路场景分割方法， 其特征在于， 所述将待分割的道路场景图 像输入至所述特征提取层中的第一低分辨率子层， 所述第一低分辨率子层中的解耦动态卷 积滤波器对所述待分割的道路场景图像进行 卷积计算， 得到第一特 征图， 包括： 解耦动态卷积滤波器基于所述待分割的道路场景图像的特征内容进行特征权重计算， 确定出目标 滤波参数； 基于所述目标滤波参数对所述待分割的道路场景图像进行卷积处理， 确定出第 一特征 图。 4.根据权利要求3所述的道路场景分割方法， 其特征在于， 其中， 所述解耦动态卷积滤 波器由空间滤波器和通道滤波器组成， 所述解耦动态卷积滤波器基于所述待分割的道路场 景图像的特 征内容进行 特征权重计算， 确定出目标 滤波参数， 包括： 基于在空间分支上的空间滤波器确定出空间滤波权重， 基于在通道分支上的通道滤波 器确定出通道滤波权 重； 基于所述空间滤波权 重和所述 通道滤波权 重， 确定出目标 滤波参数。 5.根据权利要求2所述的道路场景分割方法， 其特征在于， 所述将所述第 一特征图输入 至下一分辨率子层中进行特征提取， 直至所述道路场景切割模型中的多个分辨率子层完成 特征提取后， 将得到的目标 特征图进行 特征融合， 生成待分割的道路场景的特 征图， 包括： 将所述第一特征图输入至第二低分辨率子层中进行特征提取， 得到第二特征图， 将所 述第二特 征图输入到第三低分辨 率子层中进行 特征提取， 得到第一低分辨 率特征图； 将所述第二特征图输入到第 一高分辨率子层中进行特征提取， 得到第 一高分辨率特征 图， 将所述第一高分辨率特征图和所述第一低分辨率特征图进行特征融合输入到第四低分权　利　要　求　书 1/3 页 2 CN 114581664 A 2辨率子层中进行 特征提取， 得到第二低分辨 率特征图； 将所述第一高分辨率特征图和所述第一低分辨率特征图进行特征融合输入到第二高 分辨率子层中进行 特征提取， 得到第二高分辨 率特征图； 将所述第二高分辨率特征图和所述第二低分辨率特征图进行特征融合同时输入至下 一高分辨率子层和下一低分辨率子层之中进 行特征提取， 直至多个高分辨率子层和低分辨 率子层完成特征提取后， 将得到的目标特征图进行特征融合， 生成待分割的道路场景 的特 征图。 6.一种道路场景分割装置， 其特 征在于， 所述道路场景分割装置包括： 获取模块， 用于获取待分割的道路场景图像； 确定模块， 用于将所述待分割的道路场景图像输入至预先优化好的道路场景切割模型 中的特征提取层， 以使所述特征提取层基于待分割的道路场景图像的尺寸以及特征内容进 行卷积计算， 确定出待分割的道路场景的特征图； 其中， 所述道路场景切割模型是通过将初 始神经网络模型中的标准卷积替换成解耦动态卷积滤波器而得到的； 图像标注模块， 用于将所述道路场景的特征图输入至所述道路场景切割 模型中的类别 标注层， 以使所述类别标注层对所述待分割的道路场景 的特征图进行图像类别标注， 输出 所述道路场景图像的分割 结果图； 其中， 所述道路场景图像的分割 结果图中不同颜色表征 着不同图像 类别。 7.根据权利要求6所述的道路场景分割 装置， 其特征在于， 所述确定模块在用于所述将 所述待分割的道路场景图像输入至预先优化好的道路场景切割模型中的特征提取层， 以使 所述特征提取层基于待分割的道路场景图像的尺 寸以及特征内容进行卷积计算， 确定出待 分割的道路场景的特 征图时， 所述确定模块具体用于： 将待分割的道路场景图像输入至所述特征提取层中的第 一低分辨率子层， 所述第 一低 分辨率子层中的解耦动态卷积滤波器对所述待分割的道路场景图像进 行卷积计算， 得到第 一特征图； 将所述第一特征图输入至下一分辨率子层中进行特征提取， 直至所述道路场景切割 模 型中的多个分辨率子层完成特征提取后， 将得到的目标特征图进行特征融合， 生成待分割 的道路场景的特 征图。 8.根据权利要求7所述的道路场景分割 装置， 其特征在于， 所述确定模块在用于所述将 待分割的道路场景图像输入至所述特征提取层中的第一低分辨率子层， 所述第一低分辨率 子层中的解耦动态卷积滤波器对所述待分割的道路场景图像进行卷积计算， 得到第一特征 图时， 所述确定模块具体用于： 解耦动态卷积滤波器基于所述待分割的道路场景图像的特征内容进行特征权重计算， 确定出目标 滤波参数； 基于所述目标滤波参数对所述待分割的道路场景图像进行卷积处理， 确定出第 一特征 图。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至5任一所述的道 路场景分割方法的步骤。权　利　要　求　书 2/3 页 3 CN 114581664 A 3