[发明专利]一种图像分割方法、装置、设备及存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

获取待分割的目标图像；

将所述目标图像输入到预先训练完成的目标神经网络模型中，得到输出的与所述目标图像对应的分割结果；

其中，所述目标神经网络模型是基于标准分割图像和标准勾画信息训练得到的，其中，所述标准勾画信息用于表征所述标准分割图像中的图像分割单元在至少一个维度方向上的定位信息。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型包括特征提取模块、图像分割模块、中间深监督模块和终端深监督模块，所述特征提取模块用于基于输入的所述目标图像输出特征向量，所述中间深监督模块用于基于输入的所述特征向量输出中间勾画信息，所述图像分割模块用于基于输入的所述特征向量和所述中间勾画信息输出与所述目标图像对应的目标分割图像，所述终端深监督模块，用于基于所述目标分割图像输出目标勾画信息。

3.根据权利要求2所述的方法，其特征在于，所述图像分割模块包括第一图像分割模块和至少一个第二图像分割模块，相应的，所述中间深监督模块包括第一中间深监督模块和至少一个第二中间深监督模块，所述第一中间深监督模用于基于输入的所述特征向量输出第一中间勾画信息，所述第一图像分割模块用于基于输入的特征向量和所述第一中间勾画信息输出第一分割图像，所述第二中间深监督模块用于基于所述第一分割图像输出第二勾画信息，所述第二图像分割模块用于基于所述第一分割图像和所述第二勾画信息输出第二分割图像；其中，所述第二分割图像包括所述目标分割图像。

4.根据权利要求1所述的方法，其特征在于，所述标准分割图像包括训练标准分割图像，所述标准勾画信息包括训练标准勾画信息，相应的，所述目标神经网络模型的训练方法包括：

获取训练集中的待训练图像和测试集中的待测试图像；

将所述待训练图像输入到初始神经网络模型中，基于训练标准分割图像、训练标准勾画信息、所述初始神经网络模型输出的训练预测分割图像和训练预测勾画信息对所述初始神经网络模型进行迭代训练，得到至少一个中间神经网络模型；

将所述待测试图像输入到各所述中间神经网络模型中，基于输出的测试预测分割图像确定各所述中间神经网络模型分别对应的评价结果；

将评价结果满足预设评价标准的中间神经网络模型作为目标神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述基于训练标准分割图像、训练标准勾画信息、所述初始神经网络模型输出的训练预测分割图像和训练预测勾画信息对所述初始神经网络模型进行迭代训练，得到至少一个中间神经网络模型，包括：

基于所述训练预测分割图像和训练标准分割图像，确定第一损失函数，以及基于所述训练预测勾画信息和训练标准勾画信息，确定第二损失函数；

基于所述第一损失函数、第二损失函数和预设优化器，对所述初始神经网络模型进行迭代训练，得到至少一个中间神经网络模型。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取训练标准分割图像，基于所述训练标准分割图像中的图像单元在至少两个维度方向上的图像单元尺寸，确定各向异性度最高的目标维度方向；

获取所述训练标准分割图像中的图像分割单元在所述目标维度方向上的定位信息，并基于所述定位信息生成训练标准勾画信息。

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取原始图像集合，并对所述原始图像集合中的原始图像分别进行预处理，得到预处理后的原始图像；

基于预设比例，将所述预处理后的原始图像划分为训练集中的待训练图像和测试集中的待测试图像；

对所述训练集中的待训练图像进行数据增强处理，并将数据增强的待训练图像添加到所述训练集中。