【技术实现步骤摘要】
图像分割方法、装置、电子设备及存储介质
[0001]本公开实施例涉及图像处理技术,尤其涉及一种图像分割方法、装置、电子设备及存储介质。
技术介绍
[0002]针对图像分割,目前可以通过基于卷积神经网络的深度学习算法来实现,也可以基于边缘检测和平面估计信息的传统算法来实现。
[0003]然而,基于卷积神经网络的深度学习算法可能存在局部漏分割的情况,导致分割效果不佳的问题。基于边缘检测和平面估计信息的传统算法,对分割图像的要求较高,如:分割图像中的分割部分具有平滑性等,因此,对于边缘模糊或边缘不规则的分割图像难以进行合理的分割。
技术实现思路
[0004]本公开提供一种图像分割方法、装置、电子设备及存储介质,以实现提高图像分割准确率和稳定性的技术效果。
[0005]第一方面,本公开实施例提供了一种图像分割方法,该方法包括:
[0006]获取待分割图像;
[0007]确定与所述待分割图像对应的初步分割图像和目标法向量图像;
[0008]将所述初步分割图像与所述目标法向量图像进行图像融合,得到目标分割图像。
[0009]第二方面,本公开实施例还提供了一种图像分割装置,该装置包括:
[0010]获取模块,用于获取待分割图像;
[0011]处理模块,用于确定与所述待分割图像对应的初步分割图像和目标法向量图像;
[0012]融合模块,用于将所述初步分割图像与所述目标法向量图像进行图像融合,得到目标分割图像。
[0013]第三方面,本公开 ...
【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,包括:获取待分割图像;确定与所述待分割图像对应的初步分割图像和目标法向量图像;将所述初步分割图像与所述目标法向量图像进行图像融合,得到目标分割图像。2.根据权利要求1所述的方法,其特征在于,所述确定与所述待分割图像对应的初步分割图像和目标法向量图像,包括:将所述待分割图像输入至预先训练的图像分割模型中,得到与所述待分割图像对应的初步分割图像和目标法向量图像,其中,所述图像分割模型基于样本分割图像、与所述样本分割图像对应的分割标注图像以及与所述样本分割图像对应的样本法向量图像训练得到。3.根据权利要求2所述的方法,其特征在于,在所述将所述待分割图像输入至预先训练的图像分割模型中之前,还包括:将样本分割图像作为预先建立的大模型的输入图像,将与所述样本分割图像对应的分割标注图像和样本法向量图像作为所述大模型的期望输出图像,对所述大模型进行训练,得到教师模型;将所述样本分割图像作为预先建立的小模型的输入图像,将所述教师模型输出的与所述样本分割图像对应的大模型分割图像和大模型法向量图像作为小模型的期望输出,对所述小模型训练,得到图像分割模型。4.根据权利要求3所述的方法,其特征在于,所述将样本分割图像作为预先建立的大模型的输入图像,将与所述样本分割图像对应的分割标注图像和样本法向量图像作为所述大模型的期望输出图像,对所述大模型进行训练,得到教师模型,包括:将样本分割图像输入至预先建立的大模型中,得到大模型分割图像和大模型法向量图像;计算所述大模型分割图像与所述样本分割图像对应的分割标注图像之间的大模型分割损失,并计算大模型法向量图像和与所述样本分割图像对应的样本法向量图像之间的大模型法向量损失;根据所述大模型分割损失和大模型法向量损失对所述大模型的模型参数进行调整,以得到教师模型。5.根据权利要求4所述的方法,其特征在于,所述计算所述大模型分割图像与所述样本分割图像对应的分割标注图像之间的大模型分割损失,包括:根据二分类交叉熵损失函数计算所述大模型分割图像与所述样本分割图像对应的分割标注图像之间的大模型分割损失;或者,根据二分类交叉熵损失函数和区域互信息损失函数计算所述大模型分割图像与所述样本分割图像对应的分割标注图像之间的大模型分割损失。6.根据权利要求4所述的方法,其特征在于,所述计算大模型法向量图像和与所述样本分割图像对应的样本法向量图像之间的大模型法向量损失,包括:根据均方误差损失函数计算大模型法向量图像和与所述样本分割图像对应的样本法向量图像之间的大模型法向量损失。7.根据权利要求3所述的方法,其特征在于,所述将所述样本分割图像作为预先建立的小模型的输入图像,将所述教师模型输出的与所述样本分割图像对应的大模型分割图像和
大模型法向量图像作为小模型的期望输出,对所述小模型训练,包括:将所述样本分割图像输入至预先建立的小模型的输入图像,得到小模型分割图像和小模型法向量图像;根据所述样本分割图像的小模型分割图像、分割标注图像以及所述教师模型输出的大模型分割图像计算小模型分割输出损失;根据所述样本分割图像的小模型法向量图像、样本法向量图像以及所述教师模型输出的大模型法向量图像计算小模型法向量输出损失;根据所述小模型分割输出损失和所述小模型法向量输出损失对所述小模型的模型参数进行调整,以得到图像分割模型。8.根据权利要求7所述的方法,其特征在于,还包括:将所述小模型输出的小模型分割图像输入至预先训练完成的分割图像判别器中,得到分割判别结果,并根据所述分割判别结果和期望判别结果确定分割判别损失,其中,所述分割图像判别器以所述教师模型输出的与所述样本分割图像对应的大模型分割图像作为真样本,以所述小模型输出的小...
【专利技术属性】
技术研发人员:朱渊略,
申请(专利权)人:北京字跳网络技术有限公司,
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。