[發明專利]用于圖像分割和識別的方法和系統

在審

• 申請號: 202010565821.5
• 申請日: 2020-06-19
• 公開（公告）號: CN112215858A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 彭宇
• 申請（專利權）人: 斯特拉克斯私人有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/11;G06T7/187;G06T7/00;G16H30/40
• 代理公司: 北京戈程知識產權代理有限公司 11314
• 代理人: 程偉;甄雁翔

1.一種圖像分割系統，其包括：

訓練子系統，其配置為利用包含與相應分割注釋相關聯的圖像的帶注釋的訓練數據來訓練分割機器學習模型，從而生成經過訓練的分割機器學習模型；

模型評估器；以及

分割子系統，其配置為利用經過訓練的分割機器學習模型對圖像中的結構或材料進行分割；

其中，所述模型評估器配置為通過以下方式評估分割機器學習模型

i)對分割子系統進行控制以利用分割機器學習模型對與現有的分割注釋相關聯的至少一個評估圖像進行分割，從而生成帶注釋的評估圖像的分割，以及

ii)形成帶注釋的評估圖像的分割與現有的分割注釋的比較；以及

如果比較表明分割機器學習模型是令人滿意的，則部署或釋放經過訓練的分割機器學習模型以供使用。

2.根據權利要求1所述的圖像分割系統，其中，所述系統配置為如果帶注釋的評估圖像的分割和現有的分割注釋在預定義閾值內一致，則部署或釋放模型以供使用。

3.根據權利要求1或2所述的圖像分割系統，其中，所述系統配置為如果帶注釋的評估圖像的分割和現有的分割注釋在預定義閾值內不一致，則繼續訓練模型。

4.根據前述權利要求中的任一項所述的圖像分割系統，其中，所述訓練子系統配置為：

接收

i)圖像和用于圖像的注釋，以及

ii)與注釋相關聯的分數，所述分數表示分割機器學習模型在分割圖像時的成功或失敗程度，其中較高的分數表示失敗，較低的權重表示成功；以及

利用圖像和注釋重新訓練或精細化分割機器學習模型，包括根據分數對圖像的注釋進行加權。

5.根據前述權利要求中任一項所述的圖像分割系統，其中，訓練子系統通過精細化或修改現有的分割機器學習模型來生成分割機器學習模型。

6.根據前述權利要求中任一項所述的圖像分割系統，其包括注釋子系統，所述注釋子系統配置為通過為不帶注釋或部分注釋的圖像生成一個或多個候選圖像注釋，接收識別一個或多個候選圖像注釋中的一個或多個部分的輸入，以及至少根據一個或多個部分形成帶注釋的訓練圖像，從而根據不帶注釋或部分注釋的圖像形成帶注釋的訓練圖像中的至少一個。

7.根據前述權利要求中任一項所述的圖像分割系統，其進一步包括識別子系統，其中，帶注釋的訓練數據進一步包括標識注釋，以及

a)分割機器學習模型是分割和識別機器學習模型；或者

b)所述訓練子系統進一步配置為：i)一旦通過分割機器學習模型分割完相應的圖像就利用帶注釋的訓練數據和ii)利用標識注釋來訓練識別機器學習模型。

8.根據前述權利要求中任一項所述的圖像分割系統，其中，所述訓練子系統包括模型訓練器，所述模型訓練器配置為利用機器學習來訓練分割機器學習模型以確定圖像上每個像素/體素的類別。

9.一種計算機實現的圖像分割方法，其包括：

利用包含相應的圖像和分割注釋的帶注釋的訓練數據來訓練分割機器學習模型，從而生成經過訓練的分割機器學習模型；

通過如下評估分割機器學習模型：

i)利用分割機器學習模型對與現有的分割注釋相關聯的至少一個評估圖像進行分割，從而生成帶注釋的評估圖像的分割，以及

ii)形成帶注釋的評估圖像的分割與現有的分割注釋的比較；以及

當比較表明分割機器學習模型令人滿意的時候，則部署或釋放經過訓練的分割機器學習模型以供使用。

10.根據權利要求9所述的方法，其包括：

a)如果帶注釋的評估圖像的分割和現有的分割注釋在預定義閾值內一致時部署或釋放模型以供使用；和/或

b)如果帶注釋的評估圖像的分割和現有的分割注釋不在預定義閾值內一致，則繼續訓練模型。