【技术实现步骤摘要】
本申请涉及计算机视觉领域，涉及但不限于一种图像分割方法、模型训练方法及装置、设备、存储介质。
技术介绍
1、如何准确地识别/分割出图像中的目标对象对于一些场景具有一定的价值。例如，从环境治理角度出发，将表面为土质、基本无植被覆盖的、有引发扬尘污染隐患的裸露状态的土地作为裸土地，即研究对象。随着城镇化发展，大中型城市的拆除腾退、建筑施工或道路施工日益增多等，产生了大面积的裸土地，易引发扬尘污染。裸土地的分布广泛而复杂，仅依靠实地考察裸土地的信息，人工成本高、效率低，且无法满足环境治理的需求，因此迫切需要利用遥感技术及人工智能的方法，从裸土地图像中准确分割出裸土地区域。
技术实现思路
1、本申请提供一种图像分割方法、模型训练方法及装置、设备、存储介质，能够较为准确地提取出第一图像中的第一对象。
2、第一方面，本申请实施例提供一种模型训练方法，所述方法包括：在第一样本图像的边缘上添加至少一个掩码块，得到第二样本图像；根据所述第二样本图像对编码器和第一解码器进行训练，迭代训练所述编码器和所述第一解码器，直至满足第一截止条件，得到第一训练好的编码器；基于第三样本图像和第三样本图像的标签对所述第一训练好的编码器和第二解码器进行训练，迭代训练所述第一训练好的编码器和所述第二解码器，直至满足第二截止条件，得到第二训练好的编码器和训练好的第二解码器；其中，所述第二训练好的编码器和所述训练好的第二解码器构成训练好的第一任务网络，用于分割出第一图像中的第一对象。
3、在本申请实施
4、第二方面，本申请实施例提供一种图像分割方法，所述方法包括：将所述第一图像输入至训练好的第一任务网络中；其中，所述训练好的第一任务网络用于分割出所述第一图像中的第一对象；基于所述训练好的第一任务网络，输出第二图像，所述第二图像包括分割出的第一对象和非第一对象；其中，所述训练好的第一任务网络是根据第一方面所述的模型训练方法得到的。
5、在本申请实施例中，基于第一方面提供的所述模型训练方法得到训练好的第一任务网络，基于所述训练好的第一任务网络，分割出第一图像中的第一对象，能够使得分割的第一对象与非第一对象的边缘更加清晰，进而提高分割结果的准确度。
6、第三方面，根据本申请实施例提供一种模型训练装置，所述装置包括：添加掩码模块，配置成在第一样本图像的边缘上添加至少一个掩码块，得到第二样本图像；第一训练模块，配置成根据所述第二样本图像对编码器和第一解码器进行训练，迭代训练所述编码器和所述第一解码器，直至满足第一截止条件，得到第一训练好的编码器；第二训练模块，配置成基于第三样本图像和第三样本图像的标签对所述第一训练好的编码器和第二解码器进行训练，迭代训练所述第一训练好的编码器和所述第二解码器，直至满足第二截止条件，得到第二训练好的编码器和训练好的第二解码器；其中，所述第二训练好的编码器和所述训练好的第二解码器构成训练好的第一任务网络，用于分割出第一图像中的第一对象。
7、第四方面，根据本申请实施例提供一种图像分割装置，所述装置包括：输入模块，配置成将所述第一图像输入至训练好的第一任务网络中；其中，所述训练好的第一任务网络用于分割出所述第一图像中的第一对象；输出模块，配置成基于所述训练好的第一任务网络，输出第二图像，所述第二图像包括分割出的第一对象和非第一对象；其中，所述训练好的第一任务网络是根据第一方面所述的模型训练方法得到的，或者所述处理器执行所述程序时实现第二方面所述的方法。
8、第五方面，根据本申请实施例提供的一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例第一方面所述的方法，或者所述处理器执行所述程序时实现本申请实施例第二方面所述的方法。
9、第六方面，根据本申请实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例第一方面所述的方法，或者该计算机程序被处理器执行时实现本申请实施例第二方面所述的方法。
10、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在第一样本图像的边缘上添加至少一个掩码块，得到第二样本图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一边缘信息，在所述第一样本图像的边缘上添加至少一个掩码块，得到所述第二样本图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述掩码块为任意形状的图像块，所述掩码块中的各像素的属性值等于第一数值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二样本图像对编码器和第一解码器进行训练，迭代训练所述编码器和所述第一解码器，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一图集包括第三特征图和不同于第三特征图的第一特征图；所述基于所述编码器对所述第二样本图像进行特征提取，得到第一图集，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一解码器和所述第一图集，得到重建图像，包括：
8.根据权利要求1至7任一项所述的方法，其特征在于，所述基于第三样本图像
9.根据权利要求8所述的方法，其特征在于，所述第二图集包括第十特征图和不同于第十特征图的第八特征图；所述基于第一训练好的编码器对所述第三样本图像进行特征提取，得到第二图集，包括：
10.根据权利要求9所述的方法，其特征在于，所述多个不同尺度的预测图包括第一预测图、至少一个第二预测图和第三预测图；所述基于所述第二解码器和所述第二图集，得到多个不同尺度的预测图，包括：
11.根据权利要求10所述的方法，其特征在于，所述不同尺度对应的损失值包括：第三损失值、至少一个第四损失值和第五损失值；所述分别确定不同尺度的所述预测图与所述对应尺度的第三图像之间的损失值，得到不同尺度的所述预测图对应的损失值，包括：
12.一种图像分割方法，其特征在于，所述方法包括：
13.根据权利要求12所述的方法，其特征在于，所述第一对象是裸土地区域。
14.一种模型训练装置，其特征在于，所述装置包括：
15.一种图像分割装置，其特征在于，所述装置包括：
16.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至11任一项所述的方法，或者所述处理器执行所述程序时实现权利要求12至13任一项所述的方法。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至11任一项所述的方法，或者该计算机程序被处理器执行时实现权利要求12至13任一项所述的方法。
...【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在第一样本图像的边缘上添加至少一个掩码块，得到第二样本图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一边缘信息，在所述第一样本图像的边缘上添加至少一个掩码块，得到所述第二样本图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述掩码块为任意形状的图像块，所述掩码块中的各像素的属性值等于第一数值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二样本图像对编码器和第一解码器进行训练，迭代训练所述编码器和所述第一解码器，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一图集包括第三特征图和不同于第三特征图的第一特征图；所述基于所述编码器对所述第二样本图像进行特征提取，得到第一图集，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一解码器和所述第一图集，得到重建图像，包括：
8.根据权利要求1至7任一项所述的方法，其特征在于，所述基于第三样本图像和第三样本图像的标签对所述第一训练好的编码器和第二解码器进行训练，包括：
9.根据权利要求8所述的方法，其特征在于，所述第二图集包括第十特征图和不同于第十特征图的第八特征图；所述基于第一训练好的编码器对所述第三样本...
【专利技术属性】
技术研发人员：刘亚岚，吴飒莎，柳树福，王大成，任玉环，
申请(专利权)人：中国科学院空天信息创新研究院，
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。