[發明專利]基于改進U-Net網絡的圖像分割模型及訓練方法

有效

• 申請號: 202010546283.5
• 申請日: 2020-06-16
• 公開（公告）號: CN111860528B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 楊真真;許鵬飛;孫雪;鄭藝欣
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V10/82;G06V10/20;G06N3/04;G06N3/08;G06T7/00;G06T7/10
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，所述模型采用編解碼結構，包括：編碼模塊、解碼模塊、編解碼連接層和多特征融合模塊；所述編碼模塊包括多個串接的編碼單元，每個編碼單元包括編碼緊密塊和下采樣塊；所述解碼模塊包括多個與所述編碼單元一一對應的解碼單元，每個解碼單元包括上采樣塊和解碼緊密塊；所述編解碼連接層用于連接所述編碼模塊與所述解碼模塊，所述多特征融合模塊包括上采樣層和加性融合層；

所述圖像分割方法，包括將圖像輸入編碼模塊中串接的編碼單元，編碼單元中的編碼緊密塊對當前編碼單元的輸入進行特征提取，得到對應的編碼稠密輸出；編碼稠密輸出經過下采樣塊進行下采樣后得到當前編碼單元的輸出，輸入下一編碼單元；

將最后一編碼單元的輸出進行特征提取后，輸入編解碼連接層得到第一輸入并將第一輸入輸入至第一解碼單元；

將與第一解碼單元對應的編碼單元中編碼緊密塊的輸出作為第二輸入輸至解碼單元；

第一輸入經上采樣塊進行上采樣后，與第二輸入拼接，再輸入到當前解碼緊密塊；

將解碼緊密塊的輸出輸入至多特征融合模塊的上采樣層，將各解碼緊密塊的輸出恢復至輸入圖像的大小后再輸入至加性融合層進行疊加，得到圖像分割結果。

2.根據權利要求1所述的一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，所述第一解碼單元的第一輸入為所述編解碼連接層的輸出，第二輸入為第一解碼單元對應的編碼單元中編碼緊密塊的輸出；

其他解碼單元的第一輸入為上一解碼單元的輸出，第二輸入為當前解碼單元對應的編碼單元中編碼緊密塊的輸出。

3.根據權利要求1所述的一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，所述多特征融合模塊的上采樣層包括與各解碼緊密塊的輸出分別對應的上采樣塊，用于將各解碼緊密塊的輸出恢復至輸入圖像的大小，以供加性融合層進行疊加。

4.根據權利要求1所述的一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，所述編碼緊密塊與所述解碼緊密塊的結構相同，均采用緊密塊；所述緊密塊包括卷積塊、過渡塊，所述卷積塊與所述過渡塊跳躍連接；

所述卷積塊包括多個卷積核相同的標準卷積層，用于對緊密塊的輸入進行逐層提取；每個卷積層的輸入都與前面所有層的輸出有關，在后卷積層的輸入是在前所有卷積層的輸入和前一卷積層的輸出的拼接；

所述過渡塊用于將卷積塊中所有卷積層逐層提取的輸出以及緊密塊的輸入合并。

5.根據權利要求4所述的一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，所述過渡塊采用卷積核為1×1的標準卷積。

6.根據權利要求4所述的一種基于改進U-Net網絡的圖像分割模型的圖像分割方法，其特征在于，采用緊密塊作為所述編解碼連接層。

7.一種用于權利要求1～6中任一項所述的圖像分割模型的訓練方法，其特征在于，包括：

(1)將圖像樣本數據集按照預設的比例劃分訓練集、驗證集和測試集；

(2)對模型權重進行初始化，利用訓練集對初始化后的模型進行迭代訓練，不斷更新模型的權重，得到最新權重的模型；

(3)利用驗證集對最新權重的模型進行驗證，繼續更新模型的權重，對已訓練的權重進行調整，直至模型收斂，將此時的模型參數作為最終的模型參數用于圖像分割。

8.根據權利要求7所述的方法，其特征在于，采用He正態分布初始化方法來進行初始化網絡的權重，初始權重滿足均值為0，標準差為的正態分布，其中x指權重矩陣中元素的數量。