图像分割方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了一种图像分割方法、装置、电子设备和存储介质，涉及人工智能领域，具体涉及深度学习和计算机视觉技术领域，实现方案为：获取待分割图像；利用图像分割模型对待分割图像进行分割处理，得到分割结果，其中，图像分割模型通过训练样本和训练样本的掩码信息训练得到，掩码信息通过利用目标检测模型对训练样本进行检测得到的检测结果生成。利用目标检测模型对训练样本进行检测得到检测结果，进而生成掩码信息，利用训练样本和掩码信息训练图像分割模型，无需通过人工标注的方式对训练样本进行像素级别的标注，从而达到了降低图像分割模型的标注成本，提高了分割结果的精度的效果，进而解决了现有技术中人工标注效率低、成本高的问题。成本高的问题。成本高的问题。

【技术实现步骤摘要】
图像分割方法、装置、电子设备和存储介质


[0001]本公开涉及人工智能领域，具体为深度学习和计算机视觉
，尤其涉及一种图像分割方法、装置、电子设备和存储介质。

技术介绍

[0002]在工业质检或巡检中，零部件的检测能够帮助厂商检测零部件是否存在缺失或损坏等情况，但是由于零部件区域较为密集且零部件尺寸较小，人工检测对检测人员的要求较高。
[0003]因此，随着技术的发展，如今通常采用人工智能模型来进行检测，但上述模型在进行检测前，需要人工进行大量的数据标注用于该模型的训练。因此，存在人工标注成本高、效率低的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本公开提供了一种用于图像分割的图像分割方法、装置、电子设备和存储介质。
[0006]根据本公开的第一方面，提供了一种图像分割方法，包括：获取待分割图像；利用图像分割模型对待分割图像进行分割处理，得到分割结果，其中，图像分割模型通过训练样本和训练样本的掩码信息训练得到，掩码信息通过利用目标检测模型对训练样本进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，包括：获取待分割图像；利用图像分割模型对所述待分割图像进行分割处理，得到分割结果，其中，所述图像分割模型通过训练样本和所述训练样本的掩码信息训练得到，所述掩码信息通过利用目标检测模型对所述训练样本进行检测得到的检测结果生成。2.根据权利要求1所述的方法，其中，所述检测结果包括：多个目标区域，以及每个目标区域对应的分类结果，所述方法还包括：获取所述训练样本和所述训练样本的标注框，其中，所述标注框用于表征所述训练样本中包含的目标所在区域；基于所述多个目标区域的位置信息和所述每个目标区域对应的分类结果，生成像素响应图，其中，所述像素响应图用于表征所述训练样本中每个像素是否为所述目标的像素；基于所述训练样本的标注框，生成所述训练样本中包含的目标的定位图；将所述定位图与所述像素响应图进行叠加，得到所述掩码信息。3.根据权利要求2所述的方法，其中，基于所述训练样本的标注框，生成所述训练样本中包含的目标的定位图包括：通过随机抖动算法对所述标注框进行处理，得到多个初始框；利用所述目标检测模型对所述多个初始框进行检测，得到至少一个候选框；将所述至少一个候选框进行合并，得到所述定位图。4.根据权利要求3所述的方法，其中，利用所述目标检测模型对所述多个初始框进行检测，得到至少一个候选框包括：利用所述目标检测模型对所述多个初始框进行检测，得到至少一个初始框的分类结果；确定所述至少一个初始框与所述标注框的交并比；获取交并比大于预设阈值的初始框，得到所述至少一个候选框。5.根据权利要求3或4所述的方法，其中，在利用所述目标检测模型对所述多个初始框进行检测，得到至少一个候选框之后，所述方法还包括：通过条件随机场和掩码预选生成器对所述至少一个候选框进行优化，得到优化后的候选框；将所述优化后的候选框进行合并，得到所述定位图。6.根据权利要求2所述的方法，其中，基于所述多个目标区域的位置信息和所述每个目标区域对应的分类结果，生成像素响应图包括：基于所述多个目标区域的位置信息和所述每个目标区域对应的分类结果，构建损失函数；通过梯度下降法求解所述损失函数，得到所述每个目标区域的掩码；基于所述多个目标区域的掩码，生成所述像素响应图。7.根据权利要求1至6中任意一项所述的方法，其中，所述目标检测模型通过所述训练样本和所述训练样本的标注框...

【专利技术属性】
技术研发人员：李超，辛颖，薛松，王云浩，张滨，冯原，彭岩，韩树民，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：