【技术实现步骤摘要】
图像分割模型的训练方法、图像分割方法、装置、设备
[0001]本申请涉及图像分割领域,特别涉及一种图像分割模型的训练方法、图像分割方法、装置、设备。
技术介绍
[0002]图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内表现出一致性或相似性,而在不同区域间表现出明显的不同。简单的说就是在一副图像中,把前景目标从背景中分离出来。
[0003]相关技术中,采用阈值法进行图像分割。阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值,并将图像中每个像素的灰度值与阈值作比较,最后将像素根据比较结果分到合适的类别中。因此,该方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。
[0004]相关技术中的方法,需要目标具有明显的边缘或灰度差异,且只能基于图像像素值这种浅层特征进行目标判定,精度较低。
技术实现思路
[0005]本申请实施例提供了一种图像分割模型的训练方法、图像分割方法、装置、设备,可以提高图像分割的精度。所述技术方案如下。
[0006]根据本申请的一方面,提供了一种图像分割模型的训练方法,所述图像分割模型包括编码器和解码器,所述方法包括:
[0007]调用所述编码器对样本图像和尺度图像进行特征提取,得到所述样本图像的样本图像特征和所述尺度图像的尺度图像特征,所述尺度图像包括:放大所述样本图像得到的图像,或,缩小所述样本图像得到的图像中的至少一种;
[0008]基于所述样本图像特征计算类 ...
【技术保护点】
【技术特征摘要】
1.一种图像分割模型的训练方法,其特征在于,所述图像分割模型包括编码器和解码器,所述方法包括:调用所述编码器对样本图像和尺度图像进行特征提取,得到所述样本图像的样本图像特征和所述尺度图像的尺度图像特征,所述尺度图像包括:放大所述样本图像得到的图像,或,缩小所述样本图像得到的图像中的至少一种;基于所述样本图像特征计算类激活图得到所述样本图像的样本类激活图,基于所述尺度图像特征计算所述类激活图得到所述尺度图像的尺度类激活图;所述类激活图用于表示图像中各个像素点对所述图像的分类结果的影响程度;调用所述解码器对所述样本图像特征进行解码得到所述样本图像的样本分割结果,调用所述解码器对所述尺度图像特征进行解码得到所述尺度图像的尺度分割结果;所述样本分割结果包括所述样本图像中各个像素点的分类概率值;基于所述样本类激活图、所述样本分割结果、所述尺度类激活图和所述尺度分割结果计算类激活图损失,基于所述样本分割结果和所述尺度分割结果计算尺度损失;所述类激活图损失用于训练所述解码器使所述样本分割结果靠近所述样本类激活图,使所述尺度分割结果靠近所述尺度类激活图;所述尺度损失用于训练所述解码器使所述样本分割结果靠近所述尺度分割结果;基于所述类激活图损失和所述尺度损失训练所述解码器。2.根据权利要求1所述的方法,其特征在于,所述类激活图损失包括样本类激活图损失和尺度类激活图损失;所述基于所述样本类激活图、所述样本分割结果、所述尺度类激活图和所述尺度分割结果计算类激活图损失,基于所述样本分割结果和所述尺度分割结果计算尺度损失,包括:基于所述样本类激活图和所述样本分割结果计算所述样本类激活图损失;基于所述尺度类激活图和所述尺度分割结果计算所述尺度类激活图损失;基于所述样本分割结果和所述尺度分割结果计算所述尺度损失。3.根据权利要求2所述的方法,其特征在于,所述基于所述样本分割结果和所述尺度分割结果计算所述尺度损失,包括:根据所述样本图像和所述尺度图像的尺度关系,将所述样本分割结果缩放至与所述尺度分割结果相同的尺寸,得到缩放后的样本分割结果;基于所述尺度分割结果与所述缩放后的样本分割结果的误差,计算所述尺度损失。4.根据权利要求2所述的方法,其特征在于,所述基于所述样本类激活图和所述样本分割结果计算所述样本类激活图损失,包括:将所述样本类激活图和所述样本分割结果的交叉熵确定为所述样本类激活图损失;所述基于所述尺度类激活图和所述尺度分割结果计算所述尺度类激活图损失,包括:将所述尺度类激活图和所述尺度分割结果的交叉熵确定为所述尺度类激活图损失。5.根据权利要求2至4任一所述的方法,其特征在于,所述基于所述类激活图损失和所述尺度损失训练所述解码器,包括:计算所述样本类激活图损失、所述尺度类激活图损失和所述尺度损失的加权和;根据所述加权和训练所述解码器。6.根据权利要求1至4任一所述的方法,其特征在于,所述图像分割模型还包括经过预
训练的全连接层;所述方法还包括:调用所述全连接层对所述样本图像特征进行分类预测得到所述样本图像的样本分类结果;调用所述全连接层对所述尺度图像特征进行分类预测得到所述尺度图像的尺度分类结果;所述基于所述样本图像特征和所述尺度图像特征计算类激活图,得到所述样本图像的样本类激活图和所述尺度图像的尺度类激活图,包括:基于所述样本图像特征和所述样本分类结果计算得到所述样本图像的所述样本类激活图;基于所述尺度图像特征和所述尺度分类结果计算得到所述尺度图像的所述尺度类激活图。7.根据权利要求1至4任一所述的方法,其特征在于,所述编码器是经过预训练的编码器;所述调用编码器对样本图像和尺度图像进行特征提取之前,还包括:根据已训练完毕的图像分类模型中分类编码器的参数,设置所述编码器的参数,所述图像分类模型与所述图像分割模型的分类目标相同。8.根据权利要求6所述的方法,其特征在于,所述方法还包括:根据已训练完毕的图像分类模型中...
【专利技术属性】
技术研发人员:卢东焕,马锴,郑冶枫,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。