图像分割的方法、训练图像分割模型的方法及装置制造方法及图纸

本申请实施例公开了一种图像分割的方法、训练图像分割模型的方法及装置。主要技术方案包括：获取待分割图像；将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域，得到增强后的待分割图像；将所述增强后的待分割图像输入第二图像分割模型，获取所述第二图像分割模型输出的第二分割结果，所述第二分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；其中所述第一图像分割模型和所述第二图像分割模型均基于深度学习模型预先训练得到。本申请能够提高图像分割的精确率和召回率。本申请能够提高图像分割的精确率和召回率。本申请能够提高图像分割的精确率和召回率。

【技术实现步骤摘要】
图像分割的方法、训练图像分割模型的方法及装置


[0001]本申请涉及人工智能和图像处理
，特别是涉及一种图像分割的方法、训练图像分割模型的方法及装置。

技术介绍

[0002]图像分割就是把图像分成若干个特定的、具有独特性质的区域并确定感兴趣目标区域的技术和过程，是图像识别和计算机视觉至关重要的预处理。图像分割在医学领域、自动驾驶领域和卫星成像领域等方面有很多应用。
[0003]在一些特殊领域中对于图像分割的精确率和召回率具有较高的要求，在诸如医学领域进行病灶检测时，对医学影像的病灶分割结果的精确率和召回率具有很高要求。虽然目前已经存在利用深度学习模型来对图像进行分割的相关技术，但分割结果的精确率和召回率仍有待提高。

技术实现思路

[0004]有鉴于此，本申请提供了一种图像分割的方法、训练图像分割模型的方法及装置，以便于提高图像分割结果的精确率和召回率。
[0005]本申请提供了如下方案：
[0006]第一方面，提供了一种图像分割方法，所述方法包括：
[0007]获取待分割图像；
[0008]将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；
[0009]依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域，得到增强后的待分割图像；
[0010]将所述增强后的待分割图像输入第二图像分割模型，获取所述第二图像分割模型输出的第二分割结果，所述第二分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；
[0011]其中所述第一图像分割模型和所述第二图像分割模型均基于深度学习模型预先训练得到。
[0012]根据本申请实施例中一可实现的方式，在依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域之前，还包括：
[0013]依据各类型第一目标的区域体积要求和/或形状要求，对所述第一目标区域进行过滤。
[0014]根据本申请实施例中一可实现的方式，所述第一分割结果还包括所述待分割图像中预设类型的第二目标区域的位置信息；
[0015]所述将第一目标区域的图像信息混合入非第一目标区域包括：在第二目标区域中
将第一目标区域的图像信息混合入非第一目标区域；
[0016]所述第二图像分割模型与所述第二目标对应；
[0017]所述第二图像分割模型针对所述第二目标区域进行分割，得到所述第二目标区域中的第一目标区域的位置信息作为所述第二分割结果。
[0018]根据本申请实施例中一可实现的方式，所述将第一目标区域的图像信息混合入非第一目标区域包括：
[0019]从第一目标区域中随机裁剪第一裁剪区域，并从非第一目标区域中随机裁剪与所述第一裁剪区域相同大小的第二裁剪区域，将所述第一裁剪区域插入所述第二裁剪区域在非第一目标区域中对应的位置。
[0020]根据本申请实施例中一可实现的方式，将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果包括：
[0021]将所述待分割图像输入M个第一图像分割模型，在M个第一图像分割模型输出的各图块属于第一目标区域的概率值上分别施加比例因子，获取依据施加比例因子后得到的概率值确定的M个第一分割结果；其中不同第一图像分割模型对应不同的比例因子，所述M为大于1的正整数；
[0022]所述方法还包括：分别基于所述M个第一分割结果得到对应的M个第二分割结果，将所述M个第二分割结果进行融合处理，得到第三分割结果，所述第三分割结果包括所述待分割图像中至少一个第一目标区域的位置信息。
[0023]根据本申请实施例中一可实现的方式，所述方法还包括：
[0024]将所述M个第一分割结果和所述第三分割结果进行融合处理，得到第四分割结果，所述第四分割结果包括所述待分割图像中至少一个第一目标区域的位置信息。
[0025]第二方面，提供了一种应用于医学场景的图像分割方法，所述方法包括：
[0026]获取医学影像；
[0027]将所述医学影像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述医学影像中至少一个病灶区域的位置信息；
[0028]依据所述第一分割结果，将病灶区域的图像信息混合入非病灶区域，得到增强后的医学影像；
[0029]将所述增强后的医学图像输入第二图像分割模型，获取所述第二图像分割模型输出的第二分割结果，所述第二分割结果包括所述医学影像中至少一个病灶区域的位置信息；
[0030]其中所述第一图像分割模型和所述第二图像分割模型均基于深度学习模型预先训练得到。
[0031]根据本申请实施例中一可实现的方式，所述第一分割结果还包括所述医学影像中预设类型的器官区域的位置信息；
[0032]所述第二图像分割模型与所述器官对应；
[0033]所述第二图像分割模型针对所述预设类型器官的区域进行分割，得到所述预设类型器官的区域中的病灶区域的位置信息作为所述第二分割结果。
[0034]根据本申请实施例中一可实现的方式，将所述医学影像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果包括：
[0035]将所述医学影像输入M个第一图像分割模型，在M个第一图像分割模型输出的各图块属于第一目标区域的概率值上分别施加比例因子，获取依据施加比例因子后得到的概率值确定的M个第一分割结果；其中不同第一图像分割模型对应不同的比例因子，所述M为大于1的正整数；
[0036]所述方法还包括：分别基于所述M个第一分割结果得到对应的M个第二分割结果，将所述M个第二分割结果进行融合处理，得到第三分割结果，所述第三分割结果包括所述医学影像中至少一个病灶区域的位置信息。
[0037]第三方面，提供了一种训练图像分割模型的方法，所述方法包括：
[0038]获取包括多个训练样本的训练数据，所述训练样本包括增强后的图像样本以及图像样本被标注的至少一个第一目标区域的标签；其中所述增强后的图像样本是将图像样本中第一目标区域的图像信息混合入非第一目标区域后得到的；
[0039]利用所述训练数据训练基于深度学习模型实现的第二图像分割模型，所述训练的目标包括：最小化第二图像分割模型针对增强后的图像样本输出的第二分割结果与图像样本被标注的标签之间的差异。
[0040]第四方面，提供了一种图像分割方法，由云端服务器执行，所述方法包括：
[0041]获取来自用户终端的待分割图像；
[0042]将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；
[0043]依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域，得到增强后的待分割图像；
[0044]将所述增强后的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：获取待分割图像；将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域，得到增强后的待分割图像；将所述增强后的待分割图像输入第二图像分割模型，获取所述第二图像分割模型输出的第二分割结果，所述第二分割结果包括所述待分割图像中至少一个第一目标区域的位置信息；其中所述第一图像分割模型和所述第二图像分割模型均基于深度学习模型预先训练得到。2.根据权利要求1所述的方法，其特征在于，在依据所述第一分割结果，将第一目标区域的图像信息混合入非第一目标区域之前，还包括：依据各类型第一目标的区域体积要求和/或形状要求，对所述第一目标区域进行过滤。3.根据权利要求1所述的方法，其特征在于，所述第一分割结果还包括所述待分割图像中预设类型的第二目标区域的位置信息；所述将第一目标区域的图像信息混合入非第一目标区域包括：在第二目标区域中将第一目标区域的图像信息混合入非第一目标区域；所述第二图像分割模型与所述第二目标对应；所述第二图像分割模型针对所述第二目标区域进行分割，得到所述第二目标区域中的第一目标区域的位置信息作为所述第二分割结果。4.根据权利要求1所述的方法，其特征在于，所述将第一目标区域的图像信息混合入非第一目标区域包括：从第一目标区域中随机裁剪第一裁剪区域，并从非第一目标区域中随机裁剪与所述第一裁剪区域相同大小的第二裁剪区域，将所述第一裁剪区域插入所述第二裁剪区域在非第一目标区域中对应的位置。5.根据权利要求1至4中任一项所述的方法，其特征在于，将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果包括：将所述待分割图像输入M个第一图像分割模型，在M个第一图像分割模型输出的各图块属于第一目标区域的概率值上分别施加比例因子，获取依据施加比例因子后得到的概率值确定的M个第一分割结果；其中不同第一图像分割模型对应不同的比例因子，所述M为大于1的正整数；所述方法还包括：分别基于所述M个第一分割结果得到对应的M个第二分割结果，将所述M个第二分割结果进行融合处理，得到第三分割结果，所述第三分割结果包括所述待分割图像中至少一个第一目标区域的位置信息。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述M个第一分割结果和所述第三分割结果进行融合处理，得到第四分割结果，所述第四分割结果包括所述待分割图像中至少一个第一目标区域的位置信息。7.一种应用于医学场景的图像分割方法，其特征在于，所述方法包括：
获取医学影像；将所述医学影像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述医学影像中至少一个病灶区域的位置信息；依据所述第一分割结果，将病灶区域的图像信息混合入非病灶区域，得到增强后的医学影像；将所述增强后的医学图像输入第二图像分割模型，获取所述第二图像分割模型输出的第二分割结果，所述第二分割结果包括所述医学影像中至少一个病灶区域的位置信息；其中所述第一图像分割模型和所述第二图像分割模型均基于深度学习模型预先训练得到。8.一种图像分割方法，由云端服务器执行，其特征在于，所述方法包括：获取来自用户终端的待分割图像；将所述待分割图像输入第一图像分割模型，获取所述第一图像分割模型输出的第一分割结果，所述第一分割结果包括所述待分割图像中至少一个第一目标...

【专利技术属性】
技术研发人员：张灵，王法凯，吕乐，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：