[發明專利]一種基于骨架感知的損失函數加權方法及裝置

有效

• 申請號: 202010429250.2
• 申請日: 2020-05-20
• 公開（公告）號: CN111696117B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 班曉娟;馬博淵;黃海友;王浩;薛維華
• 申請（專利權）人: 北京科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/70;G06N20/00
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種基于骨架感知的損失函數加權方法，其特征在于，包括：

根據圖像的標注圖，將圖像前景分離成多個獨立目標區域；

提取各獨立目標區域和圖像背景的骨架，確定各獨立目標區域內每個像素點至相應的獨立目標區域骨架中最近骨架點的距離、各獨立目標區域中每個骨架像素點至相應的獨立目標區域邊緣的最近距離、背景骨架上每個像素點至背景邊緣的最近距離、背景內每個像素點至各獨立目標區域邊緣的最近距離；

根據得到的距離，對所述前景中各獨立目標區域內及背景中的每個像素點計算其權重值，形成基于骨架感知的權重圖；

將所述權重圖與損失函數結合，獲得損失值，并根據所述損失值優化基于機器學習方法的圖像分割模型的參數。

2.根據權利要求1所述的基于骨架感知的損失函數加權方法，其特征在于，所述根據圖像的標注圖，將圖像前景分離成多個獨立目標區域包括：

根據圖像的標注圖，采用連通區域方法將圖像前景分離成多個獨立目標區域。

3.根據權利要求1所述的基于骨架感知的損失函數加權方法，其特征在于，所述前景指像素值為1的各獨立目標區域的總稱；

所述背景指像素值為0的各獨立目標區域之間的邊界區域。

4.根據權利要求1所述的基于骨架感知的損失函數加權方法，其特征在于，所述提取各獨立目標區域和圖像背景的骨架，確定各獨立目標區域內每個像素點至相應的獨立目標區域骨架中最近骨架點的距離、各獨立目標區域中每個骨架像素點至相應的獨立目標區域邊緣的最近距離、背景骨架上每個像素點至背景邊緣的最近距離、背景內每個像素點至各獨立目標區域邊緣的最近距離包括：

提取所述前景各獨立目標區域和圖像背景的骨架；

確定所述前景中各獨立目標區域內的每個像素點至其相應的獨立目標區域骨架中最近骨架點的距離d^nsp(x)(x)，其中，x表示像素點，nsp(x)表示像素點x對應的最近骨架點；

確定所述背景中每個像素點至所述前景中所有獨立目標區域邊緣的最近距離dⁱ(x)，其中，i為所述前景中第i個獨立目標區域；

針對前景中各獨立目標區域和背景的骨架上每個像素點，計算其至相應的獨立目標區域邊緣和背景邊緣的最近距離

5.根據權利要求4所述的基于骨架感知的損失函數加權方法，其特征在于，所述根據得到的距離，對所述前景中各獨立目標區域內及背景中的每個像素點計算其權重值，形成基于骨架感知的權重圖包括：

確定所述前景中的類別權重背景中的類別權重

根據得到的所述前景中的類別權重針對所述前景中各獨立目標區域內的每個像素點，計算其權重值

根據得到的背景中的類別權重針對所述背景中的每個像素點，計算其權重值

根據得到的和形成基于骨架感知的權重圖。

6.根據權利要求5所述的基于骨架感知的損失函數加權方法，其特征在于，類別權重的計算公式為：

其中，num_k為類別k的像素數目；C+1為類別數目；j＝{0,1}，j＝1時，表示前景中的類別權重，j＝0時，表示背景中的類別權重。

7.根據權利要求5所述的基于骨架感知的損失函數加權方法，其特征在于，表示為：

其中，表示與像素點x距離最近的骨架點nsp(x)到相應的獨立目標區域邊緣的最近距離；

表示為：

其中，d^min1(x)和d^min2(x)分別表示像素點x到所述前景中各獨立目標區域邊緣的最近距離dⁱ(x)集合中的最小值和次小值，表示背景中所有骨架像素點到背景邊緣最近距離集合中的最大值。