【技术实现步骤摘要】
本专利技术涉及深度学习，具体涉及一种图像分割网络的训练方法、食材图像的分割方法及系统。
技术介绍
1、目前普遍使用的食材分割方法主要有两种，基于传统图像处理的算法和基于深度学习的算法。
2、基于传统图像处理的算法通过对图像进行分析和处理，提取出食材的边缘、轮廓等特征，从而实现食材的分割。这种方法主要依赖于人工特征工程和规则设计，需要手动确定分割算法所需的特征和参数，因此对算法设计和调整的要求较高，且对于特殊形状和颜色的食材可能较难处理。
3、基于深度学习的算法则主要基于卷积神经网络(cnn)等深度学习模型，通过对大量标注数据的学习，自动提取食材分割所需的特征和参数，从而实现食材的分割。两种类型的分割方法都是将可以可见图像作为输入，输出分割结果。
4、现有技术中的算法准确度可能受到光线、角度等因素的影响。现有的食材分割算法主要利用可见光图像作为输入，而图像的质量可能受到光线、角度等因素的影响，从而影响算法的准确度。且目前已有深度学习方法大多是单模态深度学习，无法全面地捕捉数据的信息，对于复杂应用场景的鲁棒性和泛化性不高。
技术实现思路
1、本专利技术要解决的技术问题是为了克服现有技术中无法准确对食材图像进行分割的缺陷，提供一种图像分割网络的训练方法、食材图像的分割方法及系统。
2、本专利技术是通过下述技术方案来解决上述技术问题：
3、第一方面，提供一种图像分割网络的训练方法，所述训练方法包括：
4、对待分割图像数
5、将预处理后的所述待分割图像数据输入到所述图像分割网络；所述图像分割网络动态分配所述待分割图像数据对应的通道权重；
6、对所述图像分割网络进行训练以得到目标图像分割网络。
7、可选地，所述对待分割图像数据进行预处理，包括：
8、对所述可见光图像进行分割标注，以得到带有标签数据的所述可见光图像；
9、将所述红外温度数据进行灰度化处理，以得到对应的红外热成像灰度图。
10、可选地，所述将预处理后的所述待分割图像数据输入到所述图像分割网络，包括：
11、将预处理后的所述可见光图像，输入所述图像分割网络的rgb通道；
12、将预处理后的所述红外热成像灰度图，输入所述图像分割网络的红外热成像灰度图通道；
13、所述图像分割网络根据每个通道的贡献程度调整每个通道的权重。
14、可选地，所述图像分割网络采用u2-net网络，并在所述网络的解码器的卷积块中加入flash attention模块，还引入权重调节器以实现动态分配所述待分割图像数据对应的通道权重。
15、第二方面，提供一种食材图像的分割方法，利用第一方面的图像分割网络的训练方法得到的图像分割网络对食材图像进行分割，所述分割方法包括：
16、将所述食材图像数据输入所述图像分割网络，以得到分割后的所述食材图像数据。
17、可选地，所述分割方法还包括：
18、对分割后的所述食材图像数据进行膨胀和腐蚀，以得到孔洞填充后的所述食材图像数据。
19、第三方面，提供一种图像分割网络的训练系统，所述训练系统包括：
20、预处理模块，用于对待分割图像数据进行预处理，以得到符合网络训练要求的图像数据；其中，所述图像数据包括可见光图像和红外温度数据；
21、分配模块，用于将预处理后的所述待分割图像数据输入到所述图像分割网络；所述图像分割网络动态分配所述待分割图像数据对应的通道权重；
22、训练模块，用于对所述图像分割网络进行训练以得到目标图像分割网络。
23、第四方面，提供一种食材图像的分割系统，利用第三方面所述的图像分割网络的训练系统对所述食材图像进行分割，所述分割系统包括：
24、输入模块，用于将所述食材图像数据输入所述图像分割网络，以得到分割后的所述食材图像数据。
25、第五方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如第一方面或第二方面所述的方法。
26、第六方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第二方面所述的方法。
27、在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。
28、本专利技术的积极进步效果在于：将可见光图像和红外温度信息进行融合，并利用多模态深度学习技术进行图像分割，全面捕捉数据的信息，并通过对可见光图像的rgb通道和红外温度数据的灰度图通道进行动态权重分配，以自动调整权重并灵活利用不同通道的信息，使得网络更加灵活地利用不同通道的信息，对不同种类、不同颜色和不同温度变化的情况进行适应，提高图像分割的准确度。
本文档来自技高网...【技术保护点】
1.一种图像分割网络的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的训练方法，其特征在于，所述对待分割图像数据进行预处理，包括：
3.如权利要求2所述的训练方法，其特征在于，所述将预处理后的所述待分割图像数据输入到所述图像分割网络，包括：
4.如权利要求1所述的训练方法，其特征在于，所述图像分割网络采用U2-Net网络，并在所述网络的解码器的卷积块中加入Flash Attention模块，还引入权重调节器以实现动态分配所述待分割图像数据对应的通道权重。
5.一种食材图像的分割方法，其特征在于，利用权利要求1-4任一项所述的图像分割网络的训练方法得到的图像分割网络对所述食材图像进行分割，所述分割方法包括：
6.如权利要求5所述的分割方法，其特征在于，所述分割方法还包括：
7.一种图像分割网络的训练系统，其特征在于，所述训练系统包括：
8.一种食材图像的分割系统，其特征在于，利用权利要求7所述的图像分割网络的训练系统对所述食材图像进行分割，所述分割系统包括：
9.一种电子
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种图像分割网络的训练方法，其特征在于，所述训练方法包括：
2.如权利要求1所述的训练方法，其特征在于，所述对待分割图像数据进行预处理，包括：
3.如权利要求2所述的训练方法，其特征在于，所述将预处理后的所述待分割图像数据输入到所述图像分割网络，包括：
4.如权利要求1所述的训练方法，其特征在于，所述图像分割网络采用u2-net网络，并在所述网络的解码器的卷积块中加入flash attention模块，还引入权重调节器以实现动态分配所述待分割图像数据对应的通道权重。
5.一种食材图像的分割方法，其特征在于，利用权利要求1-4任一项所述的图像分割网络的训练方法得到的图像分割网络对所述食材...
【专利技术属性】
技术研发人员：张爽爽，秦臻，俞贵涛，
申请(专利权)人：宁波方太厨具有限公司，
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。