采用语义分割模型对视频进行目标分割的方法、装置与流程.docxVIP

PAGE PAGE 1 采用语义分割模型对视频进行目标分割的方法、装置与流程 1.本藏匿涉及人工智能技术领域，详细涉及计算机视觉和深度学习技术领域，详细可用于才智城市和智能云场景下。背景技术：2.随着计算机技术和网络技术的进展，计算机视觉得到广泛应用。例如，采纳计算机视觉技术，可以用于对目标举行检测、分类和分割。通过该计算机视觉技术对视频举行目标分割，可以实现在才智城市场景下目标对象的追踪等。技术实现要素：3.本藏匿提供了提高目标分割精度的采纳语义分割模型对视频举行目标分割的办法、装置、设备和存储介质。4.按照本藏匿的一个方面，提供了一种采纳语义分割模型对视频举行目标分割的办法，其中，语义分割模型包括第一特征提取网络、其次特征提取网络、时光编码网络、特征融合网络和分割网络；该办法包括：将当前视频帧和在前视频帧依次输入第一特征提取网络，得到特征图序列；将在前视频帧的目标分割信息依次输入其次特征提取网络，得到分割特征序列；将当前视频帧和在前视频帧依次输入时光编码网络，得到时光特征序列；基于特征图序列、分割特征序列和时光特征序列，采纳特征融合网络获得融合特征序列；以及将融合特征序列输入分割网络，获得当前视频帧的目标分割信息。5.按照本藏匿的另一方面，提供了一种采纳语义分割模型对视频举行目标分割的装置，语义分割模型包括第一特征提取网络、其次特征提取网络、时光编码网络、特征融合网络和分割网络；该装置包括：特征图获得模块，用于将当前视频帧和在前视频帧依次输入第一特征提取网络，得到特征图序列；分割特征获得模块，用于将在前视频帧的目标分割信息依次输入其次特征提取网络，得到分割特征序列；时光特征获得模块，用于将当前视频帧和在前视频帧依次输入时光编码网络，得到时光特征序列；融合特征获得模块，用于基于特征图序列、分割特征序列和时光特征序列，采纳特征融合网络获得融合特征序列；以及目标分割模块，用于将融合特征序列输入分割网络，获得当前视频帧的目标分割信息。6.按照本藏匿的另一个方面，提供了一种电子设备，包括：起码一个处理器；以及与起码一个处理器通信衔接的存储器；其中，存储器存储有可被起码一个处理器执行的命令，命令被起码一个处理器执行，以使起码一个处理器能够执行本藏匿提供的采纳语义分割模型对视频举行目标分割的办法。7.按照本藏匿的另一个方面，提供了一种存储有计算机命令的非瞬时计算机可读存储介质，其中，计算机命令用于使计算机执行本藏匿提供的采纳语义分割模型对视频举行目标分割的办法。8.按照本藏匿的另一个方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本藏匿提供的采纳语义分割模型对视频举行目标分割的办法。9.应该理解，本部分所描述的内容并非旨在标识本藏匿的实施例的关键或重要特征，也不用于限制本藏匿的范围。本藏匿的其它特征将通过以下的解释书而变得简单理解。附图解释10.附图用于更好地理解本计划，不构成对本藏匿的限定。其中：11.图1是按照本藏匿实施例的采纳语义分割模型对视频举行目标分割的办法、装置的应用场景暗示图；12.图2是按照本藏匿实施例的采纳语义分割模型对视频举行目标分割的办法的流程暗示图；13.图3是按照本藏匿实施例的采纳语义分割模型对视频举行目标分割的办法的原理暗示图；14.图4是按照本藏匿实施例的获得当前视频帧的目标分割信息的原理暗示图；15.图5是按照本藏匿实施例的采纳特征融合网络获得融合特征序列的原理暗示图；16.图6是按照本藏匿实施例的采纳语义分割模型对视频举行目标分割的装置的结构框图；以及17.图7是用来实施本藏匿实施例的采纳语义分割模型对视频举行目标分割的办法的电子设备的框图。详细实施方式18.以下结合附图对本藏匿的示范性实施例做出解释，其中包括本藏匿实施例的各种详情以助于理解，应该将它们认为仅仅是示范性的。因此，本事域一般技术人员应该熟悉到，可以对这里描述的实施例做出各种转变和修改，而不会背离本藏匿的范围和精神。同样，为了清晰和简明，以下的描述中省略了对公知功能和结构的描述。19.本藏匿提供了一种采纳语义分割模型对视频举行目标分割的办法，包括特征图获得阶段、分割特征获得阶段、时光特征获得阶段、融合特征获得阶段和目标分割阶段。其中，语义分割模型包括第一特征提取网络、其次特征提取网络、时光编码网络、特征融合网络和分割网络。在特征图获得阶段中，将当前视频帧和在前视频帧依次输入第一特征提取网络，得到特征图序列。在分割特征获得阶段中，将在前视频帧的目标分割信息依次输入其次特征提取网络，得到分割特征序列。在时光特征获得阶段中，将当前视频帧和在前视频帧依次输入时光编码网络，得到时光特征序列。在融合特征获得阶段中，基于特征图序列、分割特征