[發(fā)明專利]一種圖像處理的方法、裝置和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110095599.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112785575B
• 公開（公告）日: 2022-11-18
• 發(fā)明（設(shè)計）人: 黃高;杜超群;宋士吉
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司 11018
• 代理人: 吳點;鄭紅娟

1.一種圖像處理的方法，其特征在于，包括：

獲取至少一個待訓(xùn)練圖像樣本和所述待訓(xùn)練圖像樣本對應(yīng)的標(biāo)簽分割圖像；

將所述待訓(xùn)練圖像樣本輸入待訓(xùn)練的圖像分割模型，在通過所述圖像分割模型對所述待訓(xùn)練圖像樣本進(jìn)行提取時所述圖像分割模型中最末輸出層的第一圖像特征和倒數(shù)第二輸出層的第二圖像特征，并基于所述第一圖像特征和所述第二圖像特征分別輸出對應(yīng)的分割圖像樣本；

基于所述標(biāo)簽分割圖像和所述分割圖像樣本，計算所述圖像分割模型的模型損失函數(shù)，并利用所述模型損失函數(shù)對所述圖像分割模型中的模型參數(shù)進(jìn)行優(yōu)化，生成優(yōu)化后的所述圖像分割模型；

將獲取的待處理圖像輸入優(yōu)化后的所述圖像分割模型，生成所述待處理圖像對應(yīng)的分割圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在通過所述圖像分割模型對所述待訓(xùn)練圖像樣本進(jìn)行提取時所述圖像分割模型中最末輸出層的第一圖像特征和倒數(shù)第二輸出層的第二圖像特征的步驟包括：

利用卷積核為第一數(shù)值的卷積操作分別將所述第一圖像特征和所述第二圖像特征的通道維度調(diào)整至預(yù)設(shè)通道維度數(shù)值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述并基于所述第一圖像特征和所述第二圖像特征分別輸出對應(yīng)的分割圖像樣本的步驟和所述計算所述圖像分割模型的損失函數(shù)的步驟之間，所述方法進(jìn)一步包括：

對所述標(biāo)簽分割圖像進(jìn)行最大池化操作，將所述標(biāo)簽分割圖像的包含所述通道維度的圖像尺度調(diào)整至包含所述預(yù)設(shè)通道維度數(shù)值的預(yù)設(shè)圖像尺度。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述計算所述圖像分割模型的模型損失函數(shù)的步驟包括：

計算經(jīng)過所述最大池化操作后的至少一個所述標(biāo)簽分割圖像和對應(yīng)的所述分割圖像樣本之間的交叉熵?fù)p失，并將獲取的預(yù)設(shè)數(shù)量個所述交叉熵?fù)p失的和的平均值作為所述圖像分割模型的所述模型損失函數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述并利用所述模型損失函數(shù)對所述圖像分割模型中的模型參數(shù)進(jìn)行優(yōu)化的步驟包括：

初始化所述圖像分割模型中的所述模型參數(shù)和訓(xùn)練代數(shù)；

對所述模型損失函數(shù)進(jìn)行反向求導(dǎo)，基于反向求導(dǎo)后的與所述模型損失函數(shù)對應(yīng)的梯度更新所述模型參數(shù)，并累計更新次數(shù)到所述訓(xùn)練代數(shù)；

重復(fù)執(zhí)行所述獲取至少一個待訓(xùn)練圖像樣本和所述待訓(xùn)練圖像樣本對應(yīng)的標(biāo)簽分割圖像的步驟至所述基于反向求導(dǎo)后的與所述模型損失函數(shù)對應(yīng)的梯度更新所述模型參數(shù)的步驟，直至當(dāng)前所述訓(xùn)練代數(shù)大于總訓(xùn)練代數(shù)，停止優(yōu)化并保存當(dāng)前優(yōu)化后的所述圖像分割模型。

6.一種圖像處理的裝置，其特征在于，包括：

獲取模塊，用于獲取至少一個待訓(xùn)練圖像樣本和所述待訓(xùn)練圖像樣本對應(yīng)的標(biāo)簽分割圖像；

提取模塊，用于將所述待訓(xùn)練圖像樣本輸入待訓(xùn)練的圖像分割模型，在通過所述圖像分割模型對所述待訓(xùn)練圖像樣本進(jìn)行提取時所述圖像分割模型中最末輸出層的第一圖像特征和倒數(shù)第二輸出層的第二圖像特征，并基于所述第一圖像特征和所述第二圖像特征分別輸出對應(yīng)的分割圖像樣本；

訓(xùn)練模塊，用于基于所述標(biāo)簽分割圖像和所述分割圖像樣本，計算所述圖像分割模型的模型損失函數(shù)，并利用所述模型損失函數(shù)對所述圖像分割模型中的模型參數(shù)進(jìn)行優(yōu)化，生成優(yōu)化后的所述圖像分割模型；

生成模塊，用于將獲取的待處理圖像輸入優(yōu)化后的所述圖像分割模型，生成所述待處理圖像對應(yīng)的分割圖像。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述提取模塊還用于：

利用卷積核為第一數(shù)值的卷積操作分別將所述第一圖像特征和所述第二圖像特征的通道維度調(diào)整至預(yù)設(shè)通道維度數(shù)值。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括：

池化模塊，用于對所述標(biāo)簽分割圖像進(jìn)行最大池化操作，將所述標(biāo)簽分割圖像的包含所述通道維度的圖像尺度調(diào)整至包含所述預(yù)設(shè)通道維度數(shù)值的預(yù)設(shè)圖像尺度。