图像分割方法技术

本申请公开了一种图像分割方法

【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]本申请涉及人工智能
，更具体地，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]图像分割是指从待分割图像中提取需求的目标区域
。
目前，可以通过训练后的神经网络模型对待分割图像进行识别，得到待分割图像中每个像素点属于不同区域的概率，根据待分割图像中每个像素点属于不同区域的概率，在待分割图像中提取出需求的目标区域
。
[0003]然而，采用该方法得到的待分割图像中每个像素点属于不同区域的概率的准确率较低，导致提取出目标区域不准确
。

技术实现思路

[0004]有鉴于此，本申请实施例提出了一种图像分割方法
、
装置
、
电子设备及存储介质
。
[0005]第一方面，本申请实施例提供了一种图像分割方法，方法包括：获取待处理图像，待处理图像中包含
N
个第一区域，
N
个第一区域中相邻两个第一区域存在嵌套关系；
N
为大于1的自然数；通过目标分割模型对待处理图像进行多级二分类处理，以得到待处理图像的多级二分类结果；在对待处理图像的多级二分类处理中，每级二分类处理用于将待处理图像分类成两部分，不同级的二分类处理对应的两部分不同，两部分中的每个部分用于表征
N
个第一区域中一个第一区域或多个连续第一区域；待处理图像的每级二分类结果包括待处理图像中各像素点属于两部分中的一个部分的概率；根据待处理图像的多级二分类结果以及嵌套关系，确定
N
个第一区域中至少一个第一区域的分割结果
。
[0006]第二方面，本申请实施例提供了一种图像分割装置，装置包括：获取模块，用于获取待处理图像，待处理图像中包含
N
个第一区域，
N
个第一区域中相邻两个第一区域存在嵌套关系；
N
为大于1的自然数；分类模块，用于通过目标分割模型对待处理图像进行多级二分类处理，以得到待处理图像的多级二分类结果；在对待处理图像的多级二分类处理中，每级二分类处理用于将待处理图像分类成两部分，不同级的二分类处理对应的两部分不同，两部分中的每个部分用于表征
N
个第一区域中一个第一区域或多个连续第一区域；待处理图像的每级二分类结果包括待处理图像中各像素点属于两部分中的一个部分的概率；确定模块，用于根据待处理图像的多级二分类结果以及嵌套关系，确定
N
个第一区域中至少一个第一区域的分割结果
。
[0007]可选地，装置还包括训练模块，用于获取第一样本图像和第一样本图像对应的第一标签信息，第一样本图像包括
N
个第二区域，
N
个第二区域中相邻两个第二区域存在嵌套关系，第一标签信息用于指示第一样本图像中各像素点所属的第二区域；通过初始模型对第一样本图像进行多级二分类处理，以得到第一样本图像的多级二分类结果；在对第一样本图像的多级二分类处理中，每级二分类处理用于将第一样本图像分类成两部分，不同级
的二分类处理对应的两部分不同，两部分中的每个部分用于表征
N
个第二区域中一个第二区域或多个连续第二区域；第一样本图像的每级二分类结果包括第一样本图像中各像素点属于两部分中的一个部分的概率；根据第一样本图像的多级二分类结果以及第一样本图像的多级二分类结果的分级样本标签，对初始模型进行训练，以得到目标分割模型，第一样本图像的多级二分类结果的分级样本标签是对第一样本图像的多级二分类处理对应的两部分与
N
个第二区域间的关系，以及第一标签信息确定的
。
[0008]可选地，训练模块，还用于根据第一样本图像的多级二分类结果以及第一样本图像的多级二分类结果的分级样本标签，确定第一样本图像在每级二分类处理下的第一损失值；通过初始模型对第一样本图像进行分类处理，得第一样本图像对应的多分类结果，第一样本图像对应的多分类结果包括第一样本图像中各像素点属于
N
个第二区域中每个第二区域的概率；根据第一样本图像对应的多分类结果和第一标签信息，确定第一样本图像对应的第二损失值；根据第一样本图像在每级二分类处理下的第一损失值和第一样本图像对应的第二损失值，对初始模型进行训练，得到目标分割模型
。
[0009]可选地，训练模块，还用于根据第一样本图像的多级二分类结果以及第一样本图像的多级二分类结果的分级样本标签，确定第一样本图像在每级二分类处理下的第一损失值；根据第一样本图像在每级二分类处理下的第一损失值，对初始模型进行参数调整，得到中间模型；获取第二样本图像和第二样本图像对应的第二标签信息，第二样本图像包括
N
个第三区域，
N
个第三区域中相邻两个第三区域存在嵌套关系，第二标签信息用于指示第二样本图像中各像素点所属的第三区域；通过中间模型对第二样本图像进行多级二分类处理，以得到第二样本图像的多级二分类结果；在对第二样本图像的多级二分类处理中，每级二分类处理用于将第二样本图像分类成两部分，不同级的二分类处理对应的两部分不同，两部分中的每个部分用于表征
N
个第三区域中一个第三区域或多个连续第三区域；第二样本图像的每级二分类结果包括第二样本图像中各像素点属于两部分中的一个部分的概率；根据第二样本图像的多级二分类结果以及第二样本图像的多级二分类结果的分级样本标签，确定第二样本图像在每级二分类处理下的第一损失值；第二样本图像的多级二分类结果的分级样本标签是对第二样本图像的多级二分类处理对应的两部分与
N
个第三区域间的关系，以及第二标签信息确定的；通过中间模型对第二样本图像进行分类处理，得第二样本图像对应的多分类结果，第二样本图像对应的多分类结果包括第二样本图像中各像素点属于
N
个第三区域中每个第三区域的概率；根据第二样本图像对应的多分类结果和第二标签信息，确定第二样本图像对应的第二损失值；根据第二样本图像在每级二分类处理下的第一损失值和第二样本图像对应的第二损失值，对中间进行训练，得到目标分割模型
。
[0010]可选地，训练模块，还用于对第一样本图像在多级二分类处理下的第一损失值进行加权求和，得到第一和损失值；根据第一和损失值对初始模型进行参数调整，得到中间模型
。
[0011]可选地，中间模型包括中间特征提取网络以及多级二分类处理各自对应的中间分类层；训练模块，还用于通过中间特征提取网络对第二样本图像进行特征提取，得到第二样本图像对应的第一样本特征；将第二样本图像对应的第一样本特征输入每级二分类处理各自对应的中间分类层进行分类处理，得到第二样本图像在每级二分类处理下的二分类结果
。
[0012]可选地，训练模块，还用于对第二样本图像进行第一预处理，得到第一预处理图像；第一预处理包本文档来自技高网...

【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：获取待处理图像，所述待处理图像中包含
N
个第一区域，所述
N
个第一区域中相邻两个第一区域存在嵌套关系；
N
为大于1的自然数；通过目标分割模型对所述待处理图像进行多级二分类处理，以得到所述待处理图像的多级二分类结果；在对所述待处理图像的多级二分类处理中，每级二分类处理用于将所述待处理图像分类成两部分，不同级的二分类处理对应的所述两部分不同，所述两部分中的每个部分用于表征所述
N
个第一区域中一个第一区域或多个连续第一区域；所述待处理图像的每级二分类结果包括所述待处理图像中各像素点属于所述两部分中的一个部分的概率；根据所述待处理图像的多级二分类结果以及所述嵌套关系，确定所述
N
个第一区域中至少一个第一区域的分割结果
。2.
根据权利要求1所述的方法，其特征在于，所述通过目标分割模型对所述待处理图像进行多级二分类处理，以得到多级二分类结果之前，所述方法还包括：获取第一样本图像和所述第一样本图像对应的第一标签信息，所述第一样本图像包括
N
个第二区域，所述
N
个第二区域中相邻两个第二区域存在嵌套关系，所述第一标签信息用于指示所述第一样本图像中各像素点所属的第二区域；通过初始模型对所述第一样本图像进行多级二分类处理，以得到所述第一样本图像的多级二分类结果；在对所述第一样本图像的多级二分类处理中，每级二分类处理用于将所述第一样本图像分类成两部分，不同级的二分类处理对应的所述两部分不同，所述两部分中的每个部分用于表征所述
N
个第二区域中一个第二区域或多个连续第二区域；所述第一样本图像的每级二分类结果包括所述第一样本图像中各像素点属于所述两部分中的一个部分的概率；根据所述第一样本图像的多级二分类结果以及所述第一样本图像的多级二分类结果的分级样本标签，对所述初始模型进行训练，以得到目标分割模型，所述第一样本图像的多级二分类结果的分级样本标签是对所述第一样本图像的多级二分类处理对应的所述两部分与所述
N
个第二区域间的关系，以及所述第一标签信息确定的
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述第一样本图像的多级二分类结果以及所述第一样本图像的多级二分类结果的分级样本标签，对所述初始模型进行训练，以得到目标分割模型，包括：根据所述第一样本图像的多级二分类结果以及所述第一样本图像的多级二分类结果的分级样本标签，确定所述第一样本图像在每级二分类处理下的第一损失值；通过所述初始模型对所述第一样本图像进行分类处理，得所述第一样本图像对应的多分类结果，所述第一样本图像对应的多分类结果包括所述第一样本图像中各像素点属于所述
N
个第二区域中每个第二区域的概率；根据所述第一样本图像对应的多分类结果和所述第一标签信息，确定所述第一样本图像对应的第二损失值；根据所述第一样本图像在每级二分类处理下的第一损失值和所述第一样本图像对应的第二损失值，对所述初始模型进行训练，得到目标分割模型
。4.
根据权利要求2所述的方法，其特征在于，所述根据所述第一样本图像的多级二分类
结果以及所述第一样本图像的多级二分类结果的分级样本标签，对所述初始模型进行训练，以得到目标分割模型，包括：根据所述第一样本图像的多级二分类结果以及所述第一样本图像的多级二分类结果的分级样本标签，确定所述第一样本图像在每级二分类处理下的第一损失值；根据所述第一样本图像在每级二分类处理下的第一损失值，对所述初始模型进行参数调整，得到中间模型；获取第二样本图像和所述第二样本图像对应的第二标签信息，所述第二样本图像包括
N
个第三区域，所述
N
个第三区域中相邻两个第三区域存在嵌套关系，所述第二标签信息用于指示所述第二样本图像中各像素点所属的第三区域；通过中间模型对所述第二样本图像进行多级二分类处理，以得到所述第二样本图像的多级二分类结果；在对所述第二样本图像的多级二分类处理中，每级二分类处理用于将所述第二样本图像分类成两部分，不同级的二分类处理对应的所述两部分不同，所述两部分中的每个部分用于表征所述
N
个第三区域中一个第三区域或多个连续第三区域；所述第二样本图像的每级二分类结果包括所述第二样本图像中各像素点属于所述两部分中的一个部分的概率；根据所述第二样本图像的多级二分类结果以及所述第二样本图像的多级二分类结果的分级样本标签，确定所述第二样本图像在每级二分类处理下的第一损失值；所述第二样本图像的多级二分类结果的分级样本标签是对所述第二样本图像的多级二分类处理对应的所述两部分与所述
N
个第三区域间的关系，以及所述第二标签信息确定的；通过所述中间模型对所述第二样本图像进行分类处理，得所述第二样本图像对应的多分类结果，所述第二样本图像对应的多分类结果包括所述第二样本图像中各像素点属于所述
N
个第三区域中每个第三区域的概率；根据所述第二样本图像对应的多分类结果和所述第二标签信息，确定所述第二样本图像对应的第二损失值；根据所述第二样本图像在每级二分类处理下的第一损失值和所述第二样本图像对应的第二损失值，对所述中间进行训练，得到目标分割模型
。5.
根据权利要求4所述的方法，其特征在于，所述根据所述第一样本图像在每级二分类处理下的第一损失值，对所述初始模型进行参数调整，得到中间模型，包括：对所述第一样本图像在多级二分类处理下的...

【专利技术属性】
技术研发人员：许剑清，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：