System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及知识蒸馏,特别涉及一种图像分割方法、装置及电子设备。
技术介绍
1、目前,通常采用图像分割模型对医学影像中的缺血性卒中病灶进行识别,但是由于图像分割模型参数较多,运算耗时较长,导致自身配备的算力较少二级医院及部分三级医院难以使用搭载大模型的辅助软件,使用性能较差,而对某些没有匹配算力的临床场景,需要提供可进行运算的工作站,这会增加硬件成本,同时增加医院的预算。
2、目前,可以通过蒸馏知识技术改进图像分割模型,但是学生网络通常设计为层数和卷积个数少于教师网络,且参数随机初始化,网络设计方法随机性较大,训练难度较大。
技术实现思路
1、有鉴于此,本申请提供一种图像分割方法、装置及电子设备,通过采用改进的知识蒸馏方法对图像分割模型进行训练,克服了图像分割模型参数较多以及运算耗时较长的技术问题。
2、第一方面,本申请实施例提供一种图像分割方法,包括:
3、获取待处理的图像;
4、利用图像分割模型对待处理的图像进行处理,得到图像分割结果;
5、其中,所述图像分割模型通过如下方式得到:获取第一数量的训练好的第一网络;对第一网络的同层卷积层的第一卷积核进行加权求和,得到第二网络的对应卷积层的第一数量的卷积核;
6、利用知识蒸馏方法使第二网络学习第一数量的第一网络的知识,以更新第二网络的权重参数;将训练好的第二网络作为图像分割模型。
7、在一种的可能实现中,所述第一网络包括依次连接的第二数量的卷积层;所述
8、在一种的可能实现中,所述第二网络的训练步骤包括:
9、获取当前次训练的样本图像以及表征所述样本图像标注结果的真实概率图;
10、利用第一数量的训练好的第一网络分别对样本图像进行处理,得到第一数量的第一预测概率图;利用第一数量的第一预测概率图确定融合预测概率图;
11、利用第二网络对样本图像进行处理,得到第二预测概率图;
12、利用第二预测概率图和融合预测概率图确定第一损失值;利用第二预测概率图和真实概率图确定第二损失值;
13、根据所述第一损失值和所述第二损失值计算总损失值,根据总损失值对第二网络的参数进行更新。
14、在一种的可能实现中,利用第一数量的第一预测概率图确定融合预测概率图;包括:
15、计算第一数量的第一预测概率图的相同像素的预测概率的平均值,作为融合预测概率图的对应像素的预测概率,得到融合预测概率图。
16、在一种的可能实现中,根据所述第一损失值和所述第二损失值计算总损失值;包括:
17、总损失值l的计算公式为:
18、l=(1-λ)lsoft+lhard
19、其中,λ为调节参数,介于0到1之间;lsoft为第一损失值;lhard为第二损失值。
20、在一种的可能实现中,所述第二网络的参数包括:各卷积层的第一子卷积层中的第一数量的权重参数以及第二子卷积层的1*1卷积核。
21、在一种的可能实现中,所述第一网络为unet或resunet;所述方法还包括:分别对第一数量的第一网络进行训练的步骤。
22、第二方面,本申请实施例提供一种图像分割装置,包括:
23、获取单元,用于获取待处理的图像;
24、图像分割单元,用于利用图像分割模型对待处理的图像进行处理,得到图像分割结果;
25、其中,获取第一数量的训练好的第一网络;对第一网络的同层卷积层的第一卷积核进行加权求和,得到第二网络的对应卷积层的第一数量的卷积核;
26、利用知识蒸馏方法使第二网络学习第一数量的第一网络的知识,以更新第二网络的权重参数;将训练好的第二网络作为图像分割模型。
27、第三方面,本申请实施例提供一种电子设备,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例的图像分割方法。
28、第四方面,本申请实施例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指令,所述计算机指令被处理器执行时实现本申请实施例的图像分割方法。
29、本申请采用知识蒸馏构建和训练图像分割模型,具有待训练的参数少,训练运算速度快,泛化能力强的优点,适用于运算速度要求较高的场景。
本文档来自技高网...【技术保护点】
1.一种图像分割方法,其特征在于,包括:
2.根据权利要求1所述的图像分割方法,其特征在于,所述第一网络包括依次连接的第二数量的卷积层;所述第二网络包括依次连接的第二数量的卷积层,每个卷积层包括:第一子卷积层和第二子卷积层,其中,所述第一子卷积层包括第一数量的第二卷积核,所述第二卷积核为通过权重参数对第一网络的对应卷积层中所有第一卷积核进行加权求和得到的结果;第二子卷积层包括一个1*1卷积核,用于将第一子卷积层的输出通道数转换为与第一网络的同一层卷积层的输出通道数。
3.根据权利要求1或2所述的图像分割方法,其特征在于,所述第二网络的训练步骤包括:
4.根据权利要求3所述的图像分割方法,其特征在于,利用第一数量的第一预测概率图确定融合预测概率图;包括:
5.根据权利要求3所述的图像分割方法,其特征在于,根据所述第一损失值和所述第二损失值计算总损失值;包括:
6.根据权利要求3所述的图像分割方法,其特征在于,所述第二网络的参数包括:各卷积层的第一子卷积层的第一数量的权重参数,以及第二子卷积层的1*1卷积核。
7
8.一种图像分割装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
...【技术特征摘要】
1.一种图像分割方法,其特征在于,包括:
2.根据权利要求1所述的图像分割方法,其特征在于,所述第一网络包括依次连接的第二数量的卷积层;所述第二网络包括依次连接的第二数量的卷积层,每个卷积层包括:第一子卷积层和第二子卷积层,其中,所述第一子卷积层包括第一数量的第二卷积核,所述第二卷积核为通过权重参数对第一网络的对应卷积层中所有第一卷积核进行加权求和得到的结果;第二子卷积层包括一个1*1卷积核,用于将第一子卷积层的输出通道数转换为与第一网络的同一层卷积层的输出通道数。
3.根据权利要求1或2所述的图像分割方法,其特征在于,所述第二网络的训练步骤包括:
4.根据权利要求3所述的图像分割方法,其特征在于,利用第一数量的第一预测概率图确定融合预测概率图;包括:
5.根据权利要求3所述的图像分割方法,其特征在于,根据所述第一损失...
【专利技术属性】
技术研发人员:王斯凡,
申请(专利权)人:京东方科技集团股份有限公司,
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。