[發明專利]樣本數據獲取方法、圖像分割方法、裝置、設備和介質

在審

• 申請號: 202011204448.7
• 申請日: 2020-11-02
• 公開（公告）號: CN112308077A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 張英梅;楊靖;李俊博;陳方印;宋鵬;辛毅;周曉駿;徐勝;周孟齊
• 申請（專利權）人: 中科麥迪人工智能研究院（蘇州）有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種樣本數據獲取方法、圖像分割方法、裝置、設備和介質，該方法包括：通過將原始圖像輸入至圖像粗分割模型，獲得所述原始圖像的粗分割圖像，根據分割精度，對所述粗分割圖像進行精細標注，獲得細分割圖像，將所述細分割圖像確定為與所述分割精度對應的樣本數據，提高了樣本數據獲取速度，降低了人工標注工作量。

技術領域

本發明實施例涉及計算機技術領域，尤其涉及一種樣本數據獲取方法、圖像分割方法、裝置、設備和介質。

背景技術

近年來，深度學習技術在圖像分割領域得到了廣泛的關注。相對于傳統圖像分割方法，基于深度學習技術的圖像分割精準度有了極大提升，因此，在安防、交通、醫學等很多領域得以廣泛應用。

一般來說，基于深度學習技術的圖像分割方法的大致流程為：首先，通過人工分割的方法構建訓練集、驗證集和測試集；其次，構建不同的神經網絡結構；隨后，使用預先構建的訓練集訓練所述神經網絡結構，以對所述神經網絡結構的參數進行迭代優化，獲得模型，并用驗證集數據對所述模型進行驗證，以防止模型參數過擬合；最后，利用測試集數據對模型的整體性能進行評估。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

現有的基于深度學習技術的圖像分割方法為了獲得較好的分割結果，一般需要大量的精細標注的樣本圖像，數據量大，標注工作量大，對標注者的要求高(例如在醫學圖像分割中，一般需要標注者有足夠的醫學知識理解圖像)。同時，由于圖像分割目的的不同，對標注的精細程度要求也不一樣，不同精細程度的標注數據和用這些數據訓練出來的不同模型無法在同一類分割應用中復用。

發明內容

本發明實施例提供了一種樣本數據獲取方法、圖像分割方法、裝置、設備和介質，提高了樣本數據獲取速度，降低了人工標注工作量。

第一方面，本發明實施例提供了一種樣本數據獲取方法，包括：

將原始圖像輸入至圖像粗分割模型，獲得所述原始圖像的粗分割圖像；

根據分割精度，對所述粗分割圖像進行精細標注，獲得細分割圖像；

將所述細分割圖像確定為與所述分割精度對應的樣本數據。

第二方面，本發明實施例還提供了一種樣本數據獲取裝置，包括：

根據圖像分割精度確定目標分割模型；

將待分割圖像輸入至所述目標分割模型，獲得分割結果；

其中，所述目標分割模型的樣本數據基于本發明任意實施例所提供的樣本數據獲取方法獲得。

第三方面，本發明實施例還提供了一種樣本數據獲取裝置，包括：

輸入模塊，用于將原始圖像輸入至圖像粗分割模型，獲得所述原始圖像的粗分割圖像；

標注模塊，用于根據分割精度，對所述粗分割圖像進行精細標注，獲得細分割圖像；

第一確定模塊，用于將所述細分割圖像確定為與所述分割精度對應的樣本數據。

第四方面，本發明實施例還提供了一種圖像分割裝置，包括：

第二確定模塊，用于根據圖像分割精度確定目標分割模型；

分割模塊，用于將待分割圖像輸入至所述目標分割模型，獲得分割結果；

其中，所述目標分割模型的樣本數據基于本發明任意實施例所提供的方法獲得。

第五方面，本發明實施例還提供了一種電子設備，所述電子設備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；