本申请公开了一种图像分割的方法、装置、设备及存储介质，应用于深度学习与图像分割领域，该方法包括：获取待分割原始图像；对原始图像进行裁剪，得到至少两个局部图像；利用第一神经网络对原始图像进行全局分割，得到全局分割结果；利用第二神经网络对局部图像进行局部分割，得到局部分割结果；其中，两个神经网络之间存在特征共享；基于全局分割结果和至少两个局部分割结果，确定感兴趣区域。如此，通过采用两个神经网络分别对原始图像和局部图像进行分割处理，并在两个神经网络的特征提取阶段进行特征共享，可以实现在特征提取阶段对全局信息和局部信息的融合，提高图像分割结果的精确度。度。度。
【技术实现步骤摘要】
一种图像分割方法、装置、设备及存储介质
[0001]本专利技术涉及深度学习与图像分割领域，尤其涉及一种图像分割方法、装置、设备及存储介质。
技术介绍
[0002]图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤。图像分割的应用广泛，比如，可以应用于在病理切片图像上寻找胃癌细胞。然而，现有的图像分割方法往往只能关注局部细节或者整体，导致图像分割的结果不够精准。
技术实现思路
[0003]为解决上述技术问题，本申请实施例期望提供一种图像分割方法、装置、设备及存储介质。
[0004]本申请的技术方案是这样实现的：
[0005]第一方面，提供了一种图像分割方法，方法包括：
[0006]获取待分割原始图像；
[0007]基于第一预设裁剪规则对所述原始图像进行裁剪，得到至少两个局部图像；
[0008]利用第一神经网络对所述原始图像进行全局分割，得到全局分割结果；
[0009]利用第二神经网络对所述至少两个局部图像进行局部分割，得到至少两个局部分割结果；其中，所述第一神经网络和所述第二神经网络之间存在特征共享；
[0010]基于所述全局分割结果和所述至少两个局部分割结果，确定所述原始图像中的感兴趣区域。
[0011]上述方案中，所述第一神经网络包括：第一特征提取模块、第一特征共享模块、第一特征分割模块；所述利用第一神经网络对所述原始图像进行全局分割，得到全局分割结果，包括：通过所述第一特征提取模块对所述原始图像进行特征提取，得到全局特征；通过所述第一特征共享模块获取所述第二神经网络的第二特征提取模块输出的至少两个局部特征；通过所述第一特征共享模块对所述全局特征和所述至少两个第二局部特征进行特征共享，得到第一共享特征；将所述第一共享特征输入至所述第一特征分割模块，得到所述全局分割结果。
[0012]上述方案中，所述对所述全局特征和所述至少两个第二局部特征进行特征共享，得到第一共享特征，包括：对所述至少两个局部特征进行缩放、拼接，得到拼接特征；将所述拼接特征与所述全局特征合并，得到所述第一共享特征。
[0013]上述方案中，所述第二神经网络包括：第二特征提取模块、第二特征共享模块、第二特征分割模块；所述利用第二神经网络对所述至少两个局部图像进行局部分割，得到至少两个局部分割结果，包括：通过所述第二特征提取模块对所述至少两个局部图像进行特征提取，得到至少两个局部特征；通过所述第二特征共享模块获取所述第一神经网络的第
一特征提取模块输出的所述全局特征；通过所述第二特征共享模块对所述全局特征和所述至少两个第二局部特征进行特征共享，得到至少两个第二共享特征；将所述至少两个第二共享特征输入至所述第二特征分割模块，得到所述至少两个局部分割结果。
[0014]上述方案中，所述对所述全局特征和所述至少两个第二局部特征进行特征共享，得到至少两个第二共享特征，包括：对所述全局特征进行裁剪、缩放，得到至少两个裁剪特征；基于所述裁剪特征的位置，确定每个裁剪特征对应的局部特征；将每个裁剪特征与对应的局部特征合并，得到所述第二共享特征。
[0015]上述方案中，所述方法还包括：获取原始训练图像；基于第二预设缩放规则对所述原始训练图像进行缩放，得到全局训练图像；基于所述全局训练图像对第一网络进行训练，得到初始第一神经网络；基于第二预设裁剪规则对所述原始训练图像进行裁剪，得到至少两个局部训练图像；将所述全局训练图像输入至所述初始第一神经网络的第一特征提取模块，获取全局训练特征；基于所述至少两个局部训练图像和所述全局训练特征对第二网络进行训练，得到所述第二神经网络。
[0016]上述方案中，所述方法还包括：将所述至少两个局部训练图像输入至所述第二神经网络的第二特征提取模块，获取至少两个局部训练特征；基于所述全局训练图像和所述至少两个局部训练特征对第一网络进行训练，得到所述第一神经网络。
[0017]上述方案中，所述方法还包括：基于第一预设缩放规则对所述原始图像进行缩放，得到全局图像；所述利用所述第一神经网络对所述原始图像进行全局分割，得到全局分割结果，包括：利用第一神经网络对所述全局图像进行全局分割，得到所述全局分割结果。
[0018]上述方案中，所述基于所述全局分割结果和所述至少两个局部分割结果，确定所述原始图像中的感兴趣区域，包括：获取全局结果权重和局部结果权重；基于所述全局结果权重和所述局部结果权重，对所述全局分割结果和所述局部分割结果进行加权求和，确定所述原始图像中的感兴趣区域。
[0019]第二方面，提供了一种图像分割装置，所述装置包括：
[0020]获取模块，用于获取待分割原始图像；
[0021]处理模块，用于基于第一预设裁剪规则对所述原始图像进行裁剪，得到至少两个局部图像；
[0022]所述处理模块，还用于利用第一神经网络对所述原始图像进行全局分割，得到全局分割结果；
[0023]所述处理模块，还用于利用第二神经网络对所述至少两个局部图像进行局部分割，得到至少两个局部分割结果；其中，所述第一神经网络和所述第二神经网络之间存在特征共享；
[0024]所述处理模块，还用于基于所述全局分割结果和所述至少两个局部分割结果，确定所述原始图像中的感兴趣区域。
[0025]第三方面，提供了一种电子设备，所述设备包括：处理器和配置为存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器配置为运行所述计算机程序时，执行前述方法的步骤。
[0026]第四方面，提供了一种计算机存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现前述方法的步骤。
[0027]本申请公开了一种图像分割的方法，该方法通过采用两个神经网络分别对包含全局信息的原始图像和包含局部信息的局部图像进行分割处理，并在两个神经网络的特征提取阶段进行特征共享，可以实现在特征提取阶段对全局信息和局部信息的共享，使得得到的全局分割结果中融入了局部信息，局部分割结果中融入了全局信息，进而使得基于全局分割结果和局部分割结果得到的结果具有更高的精确度。
附图说明
[0028]图1为本申请实施例中图像分割方法的第一流程示意图。
[0029]图2为本申请实施例中特征共享的示意图；
[0030]图3为本申请实施例中图像分割的结构示意图；
[0031]图4为本申请实施例中图像分割方法的第二流程示意图；
[0032]图5为本申请实施例中第一神经网络的数据处理流程示意图；
[0033]图6为本申请实施例中第一神经网络的结构示意图。
[0034]图7为本申请实施例中图像分割装置的组成结构示意图；
[0035]图8为本申请实施例中电子设备的组成结构示意图。
具体实施方式
[0036]为了能够更加详尽地了解本申请实施例的特点与
技术实现思路
，下面结合附图对本申请实施例的实现进行详细阐述，所附附图本文档来自技高网...
【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：获取待分割原始图像；基于第一预设裁剪规则对所述原始图像进行裁剪，得到至少两个局部图像；利用第一神经网络对所述原始图像进行全局分割，得到全局分割结果；利用第二神经网络对所述至少两个局部图像进行局部分割，得到至少两个局部分割结果；其中，所述第一神经网络和所述第二神经网络之间存在特征共享；基于所述全局分割结果和所述至少两个局部分割结果，确定所述原始图像中的感兴趣区域。2.根据权利要求1所述的方法，其特征在于，所述第一神经网络包括：第一特征提取模块、第一特征共享模块、第一特征分割模块；所述利用第一神经网络对所述原始图像进行全局分割，得到全局分割结果，包括：通过所述第一特征提取模块对所述原始图像进行特征提取，得到全局特征；通过所述第一特征共享模块获取所述第二神经网络的第二特征提取模块输出的至少两个局部特征；通过所述第一特征共享模块对所述全局特征和所述至少两个第二局部特征进行特征共享，得到第一共享特征；将所述第一共享特征输入至所述第一特征分割模块，得到所述全局分割结果。3.根据权利要求2所述的方法，其特征在于，所述对所述全局特征和所述至少两个第二局部特征进行特征共享，得到第一共享特征，包括：对所述至少两个局部特征进行缩放、拼接，得到拼接特征；将所述拼接特征与所述全局特征合并，得到所述第一共享特征。4.根据权利要求1所述的方法，其特征在于，所述第二神经网络包括：第二特征提取模块、第二特征共享模块、第二特征分割模块；所述利用第二神经网络对所述至少两个局部图像进行局部分割，得到至少两个局部分割结果，包括：通过所述第二特征提取模块对所述至少两个局部图像进行特征提取，得到至少两个局部特征；通过所述第二特征共享模块获取所述第一神经网络的第一特征提取模块输出的所述全局特征；通过所述第二特征共享模块对所述全局特征和所述至少两个第二局部特征进行特征共享，得到至少两个第二共享特征；将所述至少两个第二共享特征输入至所述第二特征分割模块，得到所述至少两个局部分割结果。5.根据权利要求4所述的方法，其特征在于，所述对所述全局特征和所述至少两个第二局部特征进行特征共享，得到至少两个第二共享特征，包括：对所述全局特征进行裁剪、缩放，得到至少两个裁剪特征；基于所述裁剪特征的位置，确定每个裁剪特征对应的局部特征；将每个裁剪特征与对应的局部特征合并，得到所述第二共享特征。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
...
【专利技术属性】
技术研发人员：唐明轩，胡冉杰，杨了，杨适睿，左东奇，
申请(专利权)人：中国移动通信集团有限公司，
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。