[發(fā)明專利]一種圖像區(qū)域分割模型訓(xùn)練方法、分割方法和裝置

有效

• 申請?zhí)枺?/td>: 202010419791.7
• 申請日: 2020-05-18
• 公開（公告）號: CN111598900B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計）人: 張軍;田寬;顏克洲;姚建華;韓驍
• 申請（專利權(quán)）人: 騰訊醫(yī)療健康（深圳）有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王兆林

本申請實施例公開了一種基于人工智能的圖像區(qū)域分割模型訓(xùn)練方法、分割方法及裝置。在模型訓(xùn)練過程中，獲取包括至少一個樣本圖像的樣本圖像集合，樣本圖像具有第一標(biāo)注信息，該第一標(biāo)注信息為可以是圖像級等粒度較大的標(biāo)注信息。針對樣本圖像集合中每個樣本圖像，分別生成樣本圖像對應(yīng)的圖結(jié)構(gòu)數(shù)據(jù)，圖結(jié)構(gòu)數(shù)據(jù)中每個頂點包括樣本圖像中至少一個像素點。通過圖卷積網(wǎng)絡(luò)模型，根據(jù)圖結(jié)構(gòu)數(shù)據(jù)和第一標(biāo)注信息確定頂點的第二標(biāo)注信息，第二標(biāo)注信息的粒度小于第一標(biāo)注信息的粒度。由于頂點實際上是超像素點，第二標(biāo)注信息是超像素級的標(biāo)注，在訓(xùn)練過程中，由于像素級標(biāo)注的干預(yù)可以實現(xiàn)較強(qiáng)監(jiān)督，提高模型的精確性，進(jìn)而提高圖像分割的精確性。

技術(shù)領(lǐng)域

本申請涉及人工智能領(lǐng)域，特別是涉及一種基于人工智能的圖像區(qū)域分割模型訓(xùn)練方法、分割方法和裝置。

背景技術(shù)

隨著計算機(jī)技術(shù)的發(fā)展，圖像分割技術(shù)應(yīng)用越來越廣泛，例如，醫(yī)學(xué)圖像分割以及自然圖像分割等。其中，圖像分割技術(shù)是指把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)。例如，醫(yī)學(xué)圖像分割場景中，可以對醫(yī)學(xué)圖像癌癥區(qū)域進(jìn)行分割，以用于進(jìn)一步分析。

深度學(xué)習(xí)在圖像區(qū)域分割領(lǐng)域得到了廣泛的應(yīng)用，為了減少產(chǎn)生大量標(biāo)注圖像所耗費的時間和人工成本，相關(guān)技術(shù)中采用圖像級標(biāo)注的方式，利用弱監(jiān)督的模式完成圖像區(qū)域分割。

然而，由于采用圖像級標(biāo)簽的弱監(jiān)督，監(jiān)督信號過弱，很難精確分割出來感興趣的目標(biāo)區(qū)域。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本申請?zhí)峁┝艘环N基于人工智能的圖像區(qū)域分割模型訓(xùn)練方法、分割方法和裝置，在實現(xiàn)大規(guī)模快速標(biāo)注的前提下，提高了模型的精確性，進(jìn)而在使用訓(xùn)練得到的模型進(jìn)行圖像區(qū)域分割時，提高圖像分割的精確性。

本申請實施例公開了如下技術(shù)方案：

第一方面，本申請實施例提供一種基于人工智能的圖像區(qū)域分割模型訓(xùn)練方法，所述方法包括：

獲取樣本圖像集合，所述樣本圖像集合包括至少一個樣本圖像，所述樣本圖像具有第一標(biāo)注信息；

針對所述樣本圖像集合中每個樣本圖像，分別生成所述樣本圖像對應(yīng)的圖結(jié)構(gòu)數(shù)據(jù)；所述圖結(jié)構(gòu)數(shù)據(jù)中包括多個頂點，每個所述頂點包括所述樣本圖像中至少一個像素點；

通過圖卷積網(wǎng)絡(luò)模型，根據(jù)所述圖結(jié)構(gòu)數(shù)據(jù)和所述第一標(biāo)注信息確定所述頂點的第二標(biāo)注信息；所述第二標(biāo)注信息的粒度小于所述第一標(biāo)注信息的粒度；

根據(jù)所述第二標(biāo)注信息對所述圖像區(qū)域分割模型進(jìn)行訓(xùn)練，所述圖像區(qū)域分割模型包括所述圖卷積網(wǎng)絡(luò)模型。

第二方面，本申請實施例提供一種基于人工智能的圖像區(qū)域分割模型訓(xùn)練裝置，所述裝置包括獲取單元、生成單元、確定單元和訓(xùn)練單元：

所述獲取單元，用于獲取樣本圖像集合，所述樣本圖像集合包括至少一個樣本圖像，所述樣本圖像具有第一標(biāo)注信息；

所述生成單元，用于所述針對所述樣本圖像集合中每個樣本圖像，分別生成所述樣本圖像對應(yīng)的圖結(jié)構(gòu)數(shù)據(jù)；所述圖結(jié)構(gòu)數(shù)據(jù)中包括多個頂點，每個所述頂點包括所述樣本圖像中至少一個像素點；

所述確定單元，用于通過圖卷積網(wǎng)絡(luò)模型，根據(jù)所述圖結(jié)構(gòu)數(shù)據(jù)和所述第一標(biāo)注信息確定所述頂點的第二標(biāo)注信息；所述第二標(biāo)注信息的粒度小于所述第一標(biāo)注信息的粒度；

所述訓(xùn)練單元，用于根據(jù)所述第二標(biāo)注信息對所述圖像區(qū)域分割模型進(jìn)行訓(xùn)練，所述圖像區(qū)域分割模型包括所述圖卷積網(wǎng)絡(luò)模型。

第三方面，本申請實施例提供一種基于人工智能的圖像區(qū)域分割方法，所述方法包括：

獲取待分割圖像；