(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 202210750784.4 (22)申请日 2022.06.28 (71)申请人 成都佳华物 链云科技有限公司 地址 610000 四川省成 都市天府新区华阳 街道华府大道一段1号 1号楼23A楼06- 08号 (72)发明人 李玮　黄志龙　周明伟　龚鼎盛　 吴晓峰　 (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 周宇 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 模型构建方法、 图像处理方法、 装置及电子 设备 (57)摘要 本申请提供一种模型构建方法、 图像处理方 法、 装置及电子设备， 涉及图像识别技术领域。 模 型构建方法包括： 将分割模型的下采样模块的初 始网络替换为残差网络层； 将残差网络层中的目 标卷积层替换为空洞卷积层， 以构建具有残差网 络层和空洞卷积层的目标模型， 其中， 目标模型 为对待处理图像进行处理的模型。 图像处理方法 包括： 通过目标模型的下采样模块对待处理图像 进行特征提取， 得到特征图像， 目标模型为模型 构建方法构建得到的模型， 下采样模块包括残差 网络层和空洞卷积层； 通过目标模 型的上采样模 块对特征图像进行处理， 得到预测图像； 对预测 图像进行分割， 得到目标图像， 根据目标图像确 定目标区域的检测结果。 有效地提高了对裸土区 域的检测效率。 权利要求书2页 说明书12页 附图6页 CN 115205526 A 2022.10.18 CN 115205526 A 1.一种模型构建方法， 其特 征在于， 所述方法包括： 将分割模型的下采样模块的初始网络替换为残差网络层； 将所述残差网络层中的目标卷积层替换为空洞卷积层， 以构建具有所述残差网络层和 所述空洞卷积层的目标模型， 其中， 所述目标模型为对待处 理图像进行处 理的模型。 2.根据权利要求1所述的方法， 其特征在于， 所述将分割 模型的下采样模块的初始网络 替换为残差网络层， 包括： 获取所述分割模型的所述初始网络， 其中， 所述初始网络为所述分割模型的骨干网络； 基于所述初始网络确定目标层数的所述残差网络层； 将所述初始网络替换为所述残差网络层。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述初始网络确定目标层数的所 述残差网络层， 包括： 根据所述初始网络的网络层数， 确定所述目标层数的所述残差网络层， 其中， 所述残差 网络层包括卷积层和池化层， 所述 目标层数包括所述卷积层的第一层数， 以及所述池化层 的第二层数。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述残差网络层中的目标卷积层替 换为空洞卷积层， 包括： 确定所述残差网络层中的所述卷积层中进行下采样时的所述目标卷积层， 其中， 所述 目标卷积层为所述第一层数的所述卷积层中的下层卷积层； 根据所述待处 理图像确定对应的所述空洞卷积层； 将每层所述目标 卷积层替换为对应的所述空洞卷积层。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述待处理图像确定对应的所述 空洞卷积层， 包括： 确定所述待处 理图像的图像尺寸； 根据所述图像尺寸确定采样感受野； 基于所述采样感受野确定空洞卷积参数； 根据所述空洞卷积参数构建相应的所述空洞卷积层。 6.一种图像处 理方法， 其特 征在于， 所述方法包括： 通过目标模型的下采样模块对待处理图像进行特征提取， 得到特征图像， 所述目标模 型为权利要求1 ‑5任意一项所述的模型构建方法构建得到的模型， 所述下采样模块包括残 差网络层和空洞卷积层； 通过所述目标模型的上采样模块对所述特 征图像进行处 理， 得到预测图像； 对所述预测图像进行分割， 得到目标图像； 根据所述目标图像确定目标区域的检测结果。 7.根据权利要求6所述的方法， 其特征在于， 所述通过目标模型的下采样模块对待处理 图像进行 特征提取， 得到特 征图像， 包括： 根据所述空洞卷积层对所述待处 理图像进行 下采样处 理， 得到采样信息； 根据所述残差网络层对所述采样信息进行 特征提取， 得到所述特 征图像。 8.根据权利要求6所述的方法， 其特征在于， 所述通过所述目标模型的上采样模块对所 述特征图像进行处 理， 得到预测图像， 包括：权　利　要　求　书 1/2 页 2 CN 115205526 A 2通过所述上采样模块确定所述特 征图像中的连接特 征； 通过所述上采样模块对所述连接特 征进行降维处 理， 得到降维特 征； 通过所述上采样模块对所述降维特 征进行融合处 理， 得到融合特 征； 通过所述上采样模块对所述融合特征进行插值处理， 得到与 所述待处理图像的图像尺 寸对应的所述预测图像。 9.一种模型构建装置， 其特 征在于， 所述模型构建装置包括： 第一替换单元， 用于将分割模型的下采样模块的初始网络替换为残差网络层； 第二替换单元， 用于将所述残差网络层中的目标卷积层替换为空洞卷积层， 以构建具 有所述残差网络层和所述空洞卷积层的目标模型， 其中， 所述 目标模型为对待处理图像进 行处理的模型。 10.一种图像处 理装置， 其特 征在于， 所述图像处 理装置包括： 提取单元， 用于通过目标模型的下采样模块对待处理图像进行特征提取， 得到特征图 像， 所述目标模 型为权利要求 1‑5任意一项 所述的模型构建方法构建得到的模型， 所述下采 样模块包括残差网络层和空洞卷积层； 处理单元， 用于通过所述目标模型的上采样模块对所述特征图像进行处理， 得到预测 图像； 分割单元， 用于对所述预测图像进行分割， 得到目标图像； 确定单元， 用于根据所述目标图像确定目标区域的检测结果。 11.一种电子设备， 其特征在于， 所述电子设备包括存储器和 处理器， 所述存储器中存 储有程序指 令， 所述处理器运行所述程序指 令时， 执行权利要求 1‑8中任一项 所述方法中的 步骤。 12.一种计算机可读取存储介质， 其特征在于， 所述可读取存储介质中存储有计算机程 序指令， 所述计算机程序指 令被一处理器运行时， 执行权利要求 1‑8任一项所述方法中的步 骤。权　利　要　求　书 2/2 页 3 CN 115205526 A 3