图像分割模型的获取方法、设备及存储介质技术

本申请提供一种图像分割模型的获取方法、设备及存储介质，其中图像分割模型的获取方法包括：获取图像分割需求和应用平台的硬件参数；基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围；根据所述计算量范围在预设搜索空间进行搜索，得到所述计算量范围内的多个候选图像分割模型；获取所述多个候选图像分割模型的评价参数；基于所述多个候选图像分割模型的评价参数和所述图像分割需求，筛选所述多个候选图像分割模型，确定所述目标图像分割模型。旨在根据应用平台的硬件条件和图像分割需求准确筛选确定目标图像分割模型，实现了硬件资源的合理配置，高度契合用户的图像分割需求，有效地提高了模型获取的准确性和用户的体验度。准确性和用户的体验度。准确性和用户的体验度。

【技术实现步骤摘要】
图像分割模型的获取方法、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种图像分割模型的获取方法、设备及存储介质。

技术介绍

[0002]目前，随着人工智能技术的发展，图像分割已经广泛运用于各种场景，例如智慧医疗、生物信息、自动驾驶、工业工程等。不同应用场景往往对应着不同的图像分割需求，例如，医学影像场景中对精度要求极高，而速度要求较低，在人脸检测场景中，对精度要求并不高，但要求快速识别。并且，模型的运行需要先部署到到硬件中时，过小的图像分割模型不能充分利用硬件算力，造成资源浪费，过大的图像分割模型无法与硬件算力匹配，导致图像分割模型的实用性下降。如何兼顾图像分割需求和硬件资源配置，高效选择适配的图像分割模型是亟待解决的问题。

技术实现思路

[0003]本申请的主要目的在于提供一种图像分割模型的获取方法、设备及存储介质，旨在根据应用平台的硬件条件和图像分割需求得到多个候选图像分割模型，再根据图像分割需求从多个候选图像分割模型中进一步筛选确定目标图像分割模型，实现了硬件资源的合理配置，高度契合用户的图像分割需求，有效地提高了模型获取的准确性和用户的体验度。
[0004]第一方面，本申请提供一种图像分割模型的获取方法，所述方法包括：
[0005]获取图像分割需求和应用平台的硬件参数；
[0006]基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围；
[0007]根据所述计算量范围在预设搜索空间进行搜索，得到所述计算量范围内的多个候选图像分割模型；
[0008]获取所述多个候选图像分割模型的评价参数；
[0009]基于所述多个候选图像分割模型的评价参数和所述图像分割需求，筛选所述多个候选图像分割模型，确定所述目标图像分割模型。
[0010]第二方面，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器；
[0011]所述存储器，用于存储计算机程序；
[0012]所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现本申请实施例提供的任一项所述的图像分割模型的获取方法。
[0013]第三方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现本申请实施例提供的任一项所述的图像分割模型的获取方法。
[0014]本申请提供一种图像分割模型的获取方法、设备及存储介质，本申请的图像分割模型的获取方法包括：获取图像分割需求和应用平台的硬件参数；基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围；根据所述计算量范围在预设搜索空
间进行搜索，得到所述计算量范围内的多个候选图像分割模型；获取所述多个候选图像分割模型的评价参数；基于所述多个候选图像分割模型的评价参数和所述图像分割需求，筛选所述多个候选图像分割模型，确定所述目标图像分割模型。旨在根据应用平台的硬件条件和图像分割需求得到多个候选图像分割模型，再根据图像分割需求从多个候选图像分割模型中进一步筛选确定目标图像分割模型，实现了硬件资源的合理配置，高度契合用户的图像分割需求，有效地提高了模型获取的准确性和用户的体验度。
附图说明
[0015]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本申请实施例提供的一种图像分割模型的获取方法的流程示意图；
[0017]图2是本申请实施例提供的一种图像分割模型的结构示意图；
[0018]图3是本申请实施例提供的又一种图像分割模型的获取方法的流程示意图；
[0019]图4是本申请实施例提供的另一种图像分割模型的获取方法的流程示意图；
[0020]图5是本申请一实施例提供的一种计算机设备的示意性框图。
具体实施方式
[0021]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0023]在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0024]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0025]图像分割技术是计算机视觉领域的重要的研究方向，是图像语义理解的重要一环。图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。近些年来随着深度学习技术的逐步深入，图像分割技术已经在无人驾驶、安防监控等行业都得到广泛的应用。
[0026]应理解，许多各种用途的图像分割算法对应着不同的图像分割需求，出现了大量的图像分割模型供用户选择，用户难以从大量的图像分割模型中准确获取最匹配图像分割任务的模型，模型获取的准确性难以得到保证，降低了用户的体验度。
[0027]请参阅图1，图1是本申请实施例提供的一种图像分割模型的获取方法的流程示意图。其中，该图像分割模型的获取方法可以实现硬件资源的合理配置，高度契合用户的图像分割需求，有效地提高了模型获取的准确性和用户的体验度。
[0028]如图1所示，该图像分割模型的获取方法包括步骤S101至步骤S105。
[0029]S101、获取图像分割需求和应用平台的硬件参数。
[0030]其中，图像分割需求是指用户对图像分割任务的各项要求，可以基于实际情况确定。示例性的，可以是对图像分割算法要求，如阈值分割、区域分割、边缘分割等；也可以是对分割算法具体采用的技术的要求，例如阈值分割内又分为各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等，用户可以要求采用全局阈值。示例性的，可以是对图像分割应用领域的需求，图像分割有着广泛的应用，如工业自动化、在线产品检验、文档图像处理、生物医学图像分析等，用户可以要求应用领域为生物医学图像。应理解，许多各种用途的图像分割算法之间是具有差异性的，通常要结合相关应用领域的知识对图像分割算法进行适应性处理，才能适用于相应的应用领域，实现高质量高水准的图像分割。
[0031]其中，应用平台可以是电脑、手机等各种终端设备，终端设备内包括可以进行数学运算的硬件设备，例如中央处理器、图形处理器等等。硬件参数是应用平台进行各类运算的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型的获取方法，其特征在于，所述方法包括：获取图像分割需求和应用平台的硬件参数；基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围；根据所述计算量范围在预设搜索空间进行搜索，得到所述计算量范围内的多个候选图像分割模型；获取所述多个候选图像分割模型的评价参数；基于所述多个候选图像分割模型的评价参数和所述图像分割需求，筛选所述多个候选图像分割模型，确定所述目标图像分割模型。2.根据权利要求1所述的方法，其特征在于，所述图像分割需求包括模型运行需求，所述模型运行需求包括时效需求或精度需求，所述硬件参数至少包括算力值。3.根据权利要求2所述的方法，其特征在于，所述基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围，包括：当所述模型运行需求包括所述时效需求时，获取所述时效需求对应的处理帧率；计算所述算力值与所述处理帧率的比值，得到所述时效需求对应的第一目标计算量；将所述计算量范围确定为第一阈值和所述第一目标计算量构成的第一区间。4.根据权利要求2所述的方法，其特征在于，所述基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围，包括：当所述模型运行需求包括所述精度需求时，将所述算力值作为第二目标计算量；将所述计算量范围确定为第一阈值和所述第二目标计算量构成的第二区间。5.根据权利要求3或4所述的方法，其特征在于，所述第一阈值为所述图像分割模型正常运行时的标准计算量，所述标准计算量的数值小于所述算力值。6.根据权利要求5所述的方法，其特征在于，所述根据所述计算量范围在预设搜索空间进行搜索，得到所述计算量范围内的多个候选图像分割模型，包括；当所述模型运行需求包括所述时效需求时，基于预设搜索策略搜索所述预设搜索空间，得到所述计算量位于所述第一区间的多个候选图像分割模型；当所述模型运行需求包括所述精度需求时，基于所述预设搜索策略搜索所述预设搜索空间，得到所述计算量位于所述第二区间的多个候选图像分割模型。7.根据权利要求6所述的方法，其特征在于，所述图像分割模型包括跨阶段跳跃连接的编码器和解码器网络，所述编码器包括多个第一卷积阶段，所述解码器包括...

【专利技术属性】
技术研发人员：温进豪，赵丛，
申请(专利权)人：共达地创新技术深圳有限公司，
类型：发明
国别省市：