图像分割模型的处理方法、装置、设备及存储介质制造方法及图纸

本公开提供了图像分割模型的处理方法、装置、设备及存储介质，涉及计算机视觉领域，尤其涉及深度学习领域。具体实现方案为：利用图像分割模型在样本图像中确定与检测目标对应的预测区域；基于样本图像中的检测目标的中心点与检测目标的每个像素点之间的距离，以及中心点与预测区域的每个像素点之间的距离，确定样本图像对应的第一损失函数值；根据第一损失函数值调整图像分割模型的参数。根据本公开的技术，可以提高图像分割模型的分割性能。可以提高图像分割模型的分割性能。可以提高图像分割模型的分割性能。

【技术实现步骤摘要】
图像分割模型的处理方法、装置、设备及存储介质


[0001]本公开涉及计算机视觉
，尤其涉及深度学习


技术介绍

[0002]图像分割是计算机视觉的基础，是图像理解的重要组成部分。所谓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。而在使用深度学习技术进行图像分割的过程中，损失函数的设计，是影响图像分割性能的关键因素。

技术实现思路

[0003]本公开提供了一种图像分割模型的处理方法、装置、设备及存储介质。
[0004]根据本公开的一方面，提供了一种图像分割模型的处理方法，包括：
[0005]利用图像分割模型在样本图像中确定与检测目标对应的预测区域；
[0006]基于样本图像中的检测目标的中心点与检测目标的每个像素点之间的距离，以及中心点与预测区域的每个像素点之间的距离，确定样本图像对应的第一损失函数值；
[0007]根据第一损失函数值调整图像分割模型的参数。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型的处理方法，包括：利用图像分割模型在样本图像中确定与检测目标对应的预测区域；基于所述样本图像中的所述检测目标的中心点与所述检测目标的每个像素点之间的距离，以及所述中心点与所述预测区域的每个像素点之间的距离，确定所述样本图像对应的第一损失函数值；根据所述第一损失函数值调整图像分割模型的参数。2.根据权利要求1所述的方法，其中，所述根据所述第一损失函数值调整图像分割模型的参数，包括：根据所述第一损失函数值以及基于所述预测区域的面积确定的第二损失函数值，确定所述样本图像的第三损失函数值；基于所述第三损失函数值调整图像分割模型的参数。3.根据权利要求2所述的方法，还包括：确定所述样本图像中所述检测目标与所述预测区域之间的交集面积；基于所述交集面积及所述预测区域的面积，确定所述样本图像对应的第二损失函数值。4.根据权利要求3所述的方法，其中，所述基于所述交集面积及所述预测区域的面积，确定所述样本图像对应的第二损失函数值，包括：确定所述检测目标与所述预测区域的面积总和；基于所述交集面积及所述面积总和，确定所述样本图像对应的第二损失函数值。5.根据权利要求1
‑
4中任一项所述的方法，其中，所述基于所述样本图像中的所述检测目标的中心点与所述检测目标的每个像素点之间的距离，以及所述中心点与所述预测区域的每个像素点之间的距离，确定所述样本图像对应的第一损失函数值，包括：基于所述样本图像中的所述检测目标的中心点与所述预测区域的每个像素点之间的距离，计算得到目标距离；基于所述样本图像中所述检测目标的中心点到所述预测区域的每个像素点的距离，计算得到预测距离；根据所述目标距离及所述预测距离的差值，以及所述目标距离及所述预测距离的和值，计算得到所述样本图像对应的第一损失函数值。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述利用图像分割模型在样本图像中确定与检测目标对应的预测区域，包括：利用图像分割模型在所述样本图像中确定至少一个目标区域；基于所述样本图像中所述检测目标的中心点与所述至少一个目标区域中的每个目标区域的中心点之间的距离，确定与所述检测目标的中心点距离最短的目标区域；将与所述检测目标的中心点距离最短的目标区域作为所述检测目标对应的预测区域。7.一种图像处理方法，包括：利用图像分割模型对待处理图像进行图像分割，确定所述待处理图像中的至少一个目标区域；其中，所述图像分割模型是根据如权利要求1
‑
6中任一项所述的方法调整得到的。8.一种图像分割模型的处理装置，包括：确定模块，用于利用图像分割模型在样本图像中确定与检测目标对应的预测区域；
第一处理模块，用于基于所述样本图像中的所述检测目标的中心点与所述检测目标的每个像素点之间的距离，...

【专利技术属性】
技术研发人员：孙钦佩，尚方信，杨叶辉，王晓荣，王磊，黄海峰，
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：