[发明专利]图像分割模型训练方法及基于分类的强化图像分割方法

说明书

本申请提供了一种图像分割模型训练方法及基于分类的强化图像分割方法。其中，该图像分割模型训练方法包括：将训练图像集中的图像数据输入初始分类模型中的分割模块进行处理，得到分割图像；将分割图像输入初始分类模型中的分类模块进行训练，得到基于分类的强化图像分割模型。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种图像分割模型训练方法及基于分类的强化图像分割方法。

背景技术

图像分类，是指根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法，也就是将不同的图像，分成数类。由于图像可能存在背景复杂，图像中的信息过多，可能会导致目标检测类型混淆、目标过检率高的不良后果。

发明内容

本申请实施例的目的在于提供一种图像分割模型训练方法及基于分类的强化图像分割方法，用以提高图像分类的准确率。

第一方面，实施例提供一种图像分割模型训练方法，包括：

将训练图像集中的图像数据输入初始分类模型中的分割模块进行处理，得到分割图像；

将所述分割图像输入所述初始分类模型中的分类模块进行训练，得到基于分类的强化图像分割模型。

在可选的实施方式中，所述将训练图像集中的图像数据输入初始分类模型中的分割模块进行处理，得到分割图像的步骤，包括：

将所述训练图像集中的目标图像输入初始分类模型中的分割模块进行识别确定出目标兴趣区域，所述目标图像为所述训练图像集中的任一图像；

将所述目标图像中被识别出的目标兴趣区域进行切割，得到分割图像。

在可选的实施方式中，所述将所述训练图像集中的目标图像输入初始分类模型中的分割模块进行识别确定出目标兴趣区域的步骤，包括：

将所述训练图像集中的目标图像输入初始分类模型确定出所述目标图像中的每个指定尺寸图像的类别，得到所述目标图像中的各个像素的类别分布；

根据所述目标图像中的各个像素的类别分布确定出所述目标图像的目标兴趣区域。

本申请实施例提供的图像分割模型训练方法，通过确定每个像素的类别，进而确定出整张图像中的目标兴趣区域，由局部像素到整张图像的确定，可以相对更准确地确定出目标兴趣区域。

在可选的实施方式中，所述将所述目标图像中被识别出的目标兴趣区域进行切割，得到分割图像的步骤，包括：

对所述目标兴趣区域使用轮廓检测确定出所述目标兴趣区域的外接矩形区域；

将所述外接矩形区域从所述目标图像中切割出，以得到分割图像。

本申请实施例提供的图像分割模型训练方法，由于通过了轮廓检测的方式能够较好地确定出目标兴趣区域的边缘，从而使切割出的分割图像能够更好地包括目标兴趣区域。

在可选的实施方式中，所述方法还包括：

根据收集的多张图像中的特征采用数据增强的方式对图像进行数据扩展，得到初始图像集；

将所述初始图像集中的图像进行归一化处理，得到所述训练图像集。

本申请实施例提供的图像分割模型训练方法，采用数据增强的方式对数据进行扩充，从而可以在提高用于训练的数据量的同时不需要更多的采集数据的动作。

在可选的实施方式中，所述初始分类模型包括所述分割模块和所述分类模块；所述分割模块为第一DenseNet网络模型，所述分类模块为第二DenseNet网络模型。