本发明专利技术公开了一种分割预测模型的构建方法、图片语义分割标注方法及装置，包括构建输入模块，所述输入模块包括用于输入待标注图的第一输入子模块、用于输入轮廓图的第二输入子模块、用于输入正向图的第三输入子模块、用于输入负向图的第四输入子模块，所述待标注图、轮廓图、正向图和负向图相对应；构建特征融合模块，所述特征融合模块用于提取所述的待标注图、轮廓图、正向图和负向图的语义特征，并融合所述语义特征；构建边界引导的分割预测模块，所述分割预测模块用于根据融合后的语义特征和轮廓图的信息，生成分割预测结果。有效地提升标注效率和标注质量，克服了人工完成分割标注任务效率低的问题和目前的深度学习模型的边界不清晰问题。边界不清晰问题。边界不清晰问题。
【技术实现步骤摘要】
分割预测模型的构建方法、图片语义分割标注方法及装置
[0001]本申请涉及图像分割标注
，尤其涉及一种分割预测模型的构建方法、图片语义分割标注方法及装置。
技术介绍
[0002]语义分割数据集需要对每个像素做标注，这对于数据标注员是一项繁琐低效的任务，迫切需要辅助标注的工具。交互式语义分割方法是一种有效缓解人工标注效率低的方案，但是目前现有的方法大多使用传统的计算机视觉方法，性能不能满足需求，而使用基于深度学习的方法，边界不够清晰，精度较低，需要人工大量精修。
技术实现思路
[0003]本申请实施例的目的是提供一种分割预测模型的构建方法、图片语义分割标注方法及装置，以解决相关技术中存在的人工标注效率低、边界分割不清晰的技术问题。
[0004]根据本申请实施例的第一方面，提供一种分割预测模型的构建方法，包括：构建输入模块，所述输入模块包括用于输入待标注图的第一输入子模块、用于输入轮廓图的第二输入子模块、用于输入正向图的第三输入子模块、用于输入负向图的第四输入子模块，所述待标注图、轮廓图、正向图和负向图相对应；构建特征融合模块，所述特征融合模块用于提取所述的待标注图、轮廓图、正向图和负向图的语义特征，并融合所述语义特征；
[0005]构建边界引导的分割预测模块，所述分割预测模块用于根据融合后的语义特征和轮廓图的信息，生成分割预测结果。
[0006]可选的，还包括：
[0007]构建循环增强模块，所述循环增强模块用于将所述分割预测结果、所述待标注图片和所述轮廓图作为输入，输出增强后的分割结果，并将增强后的分割结果作为下一次循环的分割预测结果，通过判定前后两次分割预测结果之间的差值是否小于某一阈值，若小于则结束循环，得到最终的分割预测结果。
[0008]根据本申请实施例的第二方面，提供一种图片语义分割标注方法，包括：接收待标注图片和标记信息；根据所述标记信息对所述待标注图片进行标记，所述标记至少标记出待标注的区域；提取所述待标注图片的轮廓图，根据待标注的标记信息生成正向图和负向图；
[0009]将待标注图片、轮廓图、正向图和负向图输入到第一方面所构建的分割预测模型中，输出分割标注结果。
[0010]可选的，提取所述待标注图片的轮廓图，根据待标注的标记信息生成正向图和负向图，包括：创建和所述待标注图片相同大小的第一全空图片，提取待标注标记信息中的需要
分割的点坐标，在所述的第一全空图片中对应区域灰度值设置为255，作为正向图；
[0011]创建和所述待标注图片相同大小的第二全空图片，提取待标注标记信息中的不需要分割的点坐标，在所述的第二全空图片中对应区域灰度值设置为255，作为负向图。
[0012]可选的，还包括： 对所述分割标注结果进行优化处理。
[0013]可选的，对所述分割标注结果进行优化处理，包括：如果尚未标注完毕，继续接收标记信息，根据所述标记信息对所述待标注图片进行标记；
[0014]如果标注完毕，输出分割标注结果。
[0015]根据本申请实施例的第三方面，提供一种分割预测模型的构建装置，包括：第一构建模块，用于构建输入模块，所述输入模块包括用于输入待标注图的第一输入子模块、用于输入轮廓图的第二输入子模块、用于输入正向图的第三输入子模块、用于输入负向图的第四输入子模块，所述待标注图、轮廓图、正向图和负向图相对应；第二构建模块，用于构建特征融合模块，所述特征融合模块用于提取所述的待标注图、轮廓图、正向图和负向图的语义特征，并融合所述语义特征；
[0016]第三构建模块，用于构建边界引导的分割预测模块，所述分割预测模块用于根据融合后的语义特征和轮廓图的信息，生成分割预测结果。
[0017]根据本申请实施例的第四方面，提供一种图片语义分割标注装置，包括：接收模块，用于接收待标注图片和标记信息；标记模块，用于根据所述标记信息对所述待标注图片进行标记，所述标记至少标记出待标注的区域；提取生成模块，用于提取所述待标注图片的轮廓图，根据待标注的区域生成正向图和负向图；
[0018]输入输出模块，用于将待标注图片、轮廓图、正向图和负向图输入到第一方面所构建的分割预测模型中，输出分割标注结果。
[0019]根据本申请实施例的第五方面，提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
[0020]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面或第二方面所述的方法。
[0021]根据本申请实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面或第二方面所述方法的步骤。
[0022]本申请的实施例提供的技术方案可以包括以下有益效果：
[0023]由上述实施例可知，本申请基于边界引导的交互式分割模型，通过引入轮廓图作为模型输入模块的一部分，并在特征融合模块和分割预测模型提升对边界信息的感知，从而加强对边界的分割，有效地提升分割的精度，和目前的深度学习模型的边界不清晰问题。 本申请通过接受指定人员的待标注图像标记信息，完成对待标注图像的标注，通过这样的交互方式，有效地提升标注效率，克服了人工完成分割标注任务效率低的问题。通过引入轮廓图作为模型输入模块的一部分，并在特征融合模块和分割预测模型提升对边界信息的感知，从而加强对边界的分割，有效地提升分割的精度，和目前的深度学习模型的边界不清晰
问题。
[0024]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0025]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0026]图1是根据一示例性实施例示出的一种分割预测模型的构建方法的流程图。
[0027]图2是根据一示例性实施例示出的四个输入子模块输入的图。
[0028]图3是根据一示例性实施例示出的边界引导的分割预测模块执行的流程图。
[0029]图4是根据一示例性实施例示出的循环增强模块执行的流程图。
[0030]图5是根据一示例性实施例示出的一种分割预测模型的构建装置框图。
[0031]图6是根据一示例性实施例示出的一种图片语义分割标注方法的流程图。
[0032]图7是根据一示例性实施例示出的一种添加标记的示意图。
[0033]图8是根据一示例性实施例示出的与其他模型的对比图。
[0034]图9是根据一示例性实施例示出的一种图片语义分割标注装置的框图。
[0035]图10是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
[0036]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种分割预测模型的构建方法，其特征在于，包括：构建输入模块，所述输入模块包括用于输入待标注图的第一输入子模块、用于输入轮廓图的第二输入子模块、用于输入正向图的第三输入子模块、用于输入负向图的第四输入子模块，所述待标注图、轮廓图、正向图和负向图相对应；构建特征融合模块，所述特征融合模块用于提取所述的待标注图、轮廓图、正向图和负向图的语义特征，并融合所述语义特征；构建边界引导的分割预测模块，所述分割预测模块用于根据融合后的语义特征和轮廓图的信息，生成分割预测结果。2.根据权利要求1所述的方法，其特征在于，还包括：构建循环增强模块，所述循环增强模块用于将所述分割预测结果、所述待标注图片和所述轮廓图作为输入，输出增强后的分割结果，并将增强后的分割结果作为下一次循环的分割预测结果，通过判定前后两次分割预测结果之间的差值是否小于某一阈值，若小于则结束循环，得到最终的分割预测结果。3.一种图片语义分割标注方法，其特征在于，包括：接收待标注图片和标记信息；根据所述标记信息对所述待标注图片进行标记，所述标记至少标记出待标注的区域；提取所述待标注图片的轮廓图，根据待标注的标记信息生成正向图和负向图；将待标注图片、轮廓图、正向图和负向图输入到权利要求1或2所构建的分割预测模型中，输出分割标注结果。4.根据权利要求3所述的一种图片语义分割标注方法，其特征在于，提取所述待标注图片的轮廓图，根据待标注的标记信息生成正向图和负向图，包括：创建和所述待标注图片相同大小的第一全空图片，提取待标注标记信息中的需要分割的点坐标，在所述的第一全空图片中对应区域灰度值设置为255，作为正向图；创建和所述待标注图片相同大小的第二全空图片，提取待标注标记信息中的不需要分割的点坐标，在所述的第二全空图片中对应区域灰度值设置为255，作为负向图。5.根据权利要求3所述的方...
【专利技术属性】
技术研发人员：林群书，刘明皓，左汪洋，祁士刚，杨易，张超，赵子健，吴欣骏，
申请(专利权)人：整数智能信息技术杭州有限责任公司，
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。