网络训练、图像处理方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种网络训练、图像处理方法及装置、电子设备和存储介质，所述方法包括：通过分割网络在预设维度上使用注意力机制对训练样本中包括的样本图像进行特征提取，得到特征提取结果，其中，所述预设维度包括：空间维度、通道维度和尺度维度，所述训练样本中还包括所述样本图像对应的分割标注信息；根据所述特征提取结果对所述样本图像进行图像分割处理，得到图像分割结果；根据所述图像分割结果和所述分割标注信息，训练所述分割网络。本公开实施例训练得到的分割网络在进行图像分割处理时可以提高分割精度。

Network training, image processing methods and devices, electronic equipment and storage media

【技术实现步骤摘要】
网络训练、图像处理方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种网络训练、图像处理方法及装置、电子设备和存储介质。
技术介绍
图像分割是指按照区域内分布属性将图像分为几个特定的互不相交的“连通”区域的图像处理过程，相关特征在同一区域内具有一定类别上的一致性或者相似性，这种差异在每个区域的边界处最为明显。医学图像分割在医学研究、临床诊断、病理分析以及影像信息处理等研究与实践领域具有重要的学术研究意义和应用价值，主要应用于：对医学图像中感兴趣区域的提取，便于医学图像分析；计算医学图像中人体器官、组织或者病灶体积、容积等，便于临床参数的计算；医学图像的三维重建或可视化；医学图像检索研究等。因此，亟需一种有效地图像分割方法。
技术实现思路
本公开提出了一种网络训练、图像处理方法及装置、电子设备和存储介质。根据本公开的一方面，提供了一种网络训练方法，包括：通过分割网络在预设维度上使用注意力机制对训练样本中包括的样本图像进行特征提取，得到特征提取结果，其中，所述预设维度包括：空间维度、通道维度和尺度维度，本文档来自技高网...

【技术保护点】
1.一种网络训练方法，其特征在于，包括：/n通过分割网络在预设维度上使用注意力机制对训练样本中包括的样本图像进行特征提取，得到特征提取结果，其中，所述预设维度包括：空间维度、通道维度和尺度维度，所述训练样本中还包括所述样本图像对应的分割标注信息；/n根据所述特征提取结果对所述样本图像进行图像分割处理，得到图像分割结果；/n根据所述图像分割结果和所述分割标注信息，训练所述分割网络。/n

【技术特征摘要】
1.一种网络训练方法，其特征在于，包括：
通过分割网络在预设维度上使用注意力机制对训练样本中包括的样本图像进行特征提取，得到特征提取结果，其中，所述预设维度包括：空间维度、通道维度和尺度维度，所述训练样本中还包括所述样本图像对应的分割标注信息；
根据所述特征提取结果对所述样本图像进行图像分割处理，得到图像分割结果；
根据所述图像分割结果和所述分割标注信息，训练所述分割网络。


2.根据权利要求1所述的方法，其特征在于，所述分割网络包括编码器和解码器，所述编码器包括多个编码层，所述解码器包括多个解码层；
所述通过分割网络在预设维度上使用注意力机制对训练样本中包括的样本图像进行特征提取，得到特征提取结果，包括：
将所述样本图像输入所述编码器，确定每个编码层对应的第一特征图像，其中，不同编码层对应的第一特征图像的尺度不同；
针对任一解码层，利用与该解码层尺度对应的第一特征图像，通过在空间维度和通道维度上使用注意力机制对输入该解码层的第二特征图像进行训练，确定该解码层对应的第三特征图像，其中，输入该解码层的第二特征图像是根据上一解码层对应的第三特征图像确定得到的，不同解码层对应的第三特征图像的尺度不同；
根据多个解码层确定的多个不同尺度的第三特征图像，确定所述特征提取结果。


3.根据权利要求2所述的方法，其特征在于，所述针对任一解码层，利用与该解码层尺度对应的第一特征图像，通过在空间维度和通道维度上使用注意力机制对输入该解码层的第二特征图像进行训练，确定该解码层对应的第三特征图像，包括：
利用与该解码层尺度对应的第一特征图像，通过在空间维度上使用注意力机制对第一待训练特征图像进行训练，确定该解码层对应的第四特征图像，其中，第一待训练特征图像为输入该解码层的第二特征图像；
将输入该解码层的第二特征图像和该解码层对应的第四特征图像进行拼接，得到第二待训练特征图像；
通过在通道维度上使用注意力机制对第二待训练特征图像进行训练，确定该解码层对应的第三特征图像。


4.根据权利要求2所述的方法，其特征在于，所述针对任一解码层，利用与该解码层尺度对应的第一特征图像，通过在空间维度和通道维度上使用注意力机制对输入该解码层的第二特征图像进行训练，确定该解码层对应的第三特征图像，包括：
将与该解码层尺度对应的第一特征图像和输入该解码层的第二特征图像进行拼接，确定第二待训练特征图像；
通过在通道维度上使用注意力机制对第二待训练特征图像进行训练，确定第一待训练特征图像；
利用与该解码层尺度对应的第一特征图像，通过在空间维度上使用注意力机制对第一待训练特征图像进行训练，确定该解码层对应的第三特征图像。


5.根据权利要求3所述的方法，其特征在于，所述利用与该解码层尺度对应的第一特征图像，通过在空间维度上使用注意力机制对第一待训练特征图像进行训练，包括：
根据与该解码层尺度对应的第一特征图像和第一待训练特征图像，确定该解码层对应的空间注意力权值分布，其中，该解码层对应的空间注意力权值分布用于指示第一待训练特征图像中各个像素点的权值；
根据该解码层对应的空间注意力权值分布对第一待训练特征图像中的各个像素点进行校准。


6.根据权利要求5所述的方法，其特征在于，针对任一解码层，该解码层包括多个空间注意力训练层；
所述根据与该解码层尺度对应的第一特征图像和第一待训练特征图像，确定该解码层对应的空间注意力权值分布，包括：
将与该解码层尺度对应的第一特征图像和第一待训练特征图像分别输入所述多个空间注意力训练层，确定第一待训练...

【专利技术属性】
技术研发人员：王国泰，顾然，宋涛，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：上海;31