大模型图像分割方法、装置、设备、存储介质及程序产品制造方法及图纸

本发明专利技术提供一种大模型图像分割方法、装置、设备、存储介质及程序产品，属于计算机技术领域。所述方法包括：将预处理后的目标图像输入到图像分割大模型中，得到所述图像分割大模型生成的二值分割图；基于所述二值分割图中值为1的目标像素点以及所述目标像素点在所述目标图像中的坐标，确定目标对象在所述二值分割图中的边界点；对各边界点进行排序并依次连接排序后的边界点，得到所述目标对象的掩膜信息。本发明专利技术提供的大模型图像分割方法、装置、设备、存储介质及程序产品，可以大幅提高图像分割数据获取的效率和精度，有效节约时间和人力成本。

【技术实现步骤摘要】

本专利技术涉及计算机 ，尤其涉及一种大模型图像分割方法、装置、设备、存储介质及程序产品。

技术介绍

1、目前，深度学习广泛用于图像分割，制作一个用于训练图像分割模型的数据集成为了cv（computer vision，计算机视觉）领域研究人员必备的一项技能。而制作一个图像分割数据集就需要大量图片、每张图片所对应的标注文件以及用来计算模型的权重文件。目前为止，制作图像分割数据集的标注文件还需要通过人工来使用labelimg或labelme等图像标注软件来标注，非常的费时费力。

技术实现思路

1、本专利技术提供一种大模型图像分割方法、装置、设备、存储介质及程序产品，用以解决现有技术中图像分割数据获取费时费力的缺陷，实现图像分割数据的高效获取。

2、第一方面，本专利技术提供一种大模型图像分割方法，包括：

3、将预处理后的目标图像输入到图像分割大模型中，得到所述图像分割大模型生成的二值分割图；所述预处理后的目标图像包括所述目标对象所在目标区域的标注信息；所述二值分割图与所述目标区域匹配；

本文档来自技高网...

【技术保护点】

1.一种大模型图像分割方法，其特征在于，包括：

2.根据权利要求1所述的大模型图像分割方法，其特征在于，所述基于所述二值分割图中值为1的目标像素点以及所述目标像素点在所述目标图像中的坐标，确定所述目标对象在所述二值分割图中的边界点，包括：

3.根据权利要求2所述的大模型图像分割方法，其特征在于，所述基于位于同一列的像素点在所述目标图像中的纵坐标，确定第一候选边界点，包括：

4.根据权利要求1所述的大模型图像分割方法，其特征在于，所述对各边界点进行排序，包括：

5.根据权利要求4所述的大模型图像分割方法，其特征在于，所述方法还包括：

<...

【技术特征摘要】

1.一种大模型图像分割方法，其特征在于，包括：

2.根据权利要求1所述的大模型图像分割方法，其特征在于，所述基于所述二值分割图中值为1的目标像素点以及所述目标像素点在所述目标图像中的坐标，确定所述目标对象在所述二值分割图中的边界点，包括：

3.根据权利要求2所述的大模型图像分割方法，其特征在于，所述基于位于同一列的像素点在所述目标图像中的纵坐标，确定第一候选边界点，包括：

4.根据权利要求1所述的大模型图像分割方法，其特征在于，所述对各边界点进行排序，包括：

5.根据权利要求4所述的大模型图像分割方法，其特征在于，所述方法还包括：

6.根据权利要求4所述...

【专利技术属性】
技术研发人员：吕彦锋，方源，乔红，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：