[发明专利]一种图像分割方法、装置、设备及存储介质

说明书

本发明实施例公开了一种图像分割方法、装置、设备及存储介质。该方法包括：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。本发明实施例通过基于标准分割图像和标准勾画信息对神经网络模型进行训练，解决了现有神经网络模型图像分割效果不佳的问题，使得神经网络模型在对图像进行分割时，不仅关注于图像中的视觉特征信息还可以关注于图像中的各向异性信息，从而提高了图像分割的精确度。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种图像分割方法、装置、设备及存储介质。

背景技术

现阶段的图像分割可以分成手动分割和自动分割。其中，虽然手动分割精度高，但是手动分割的精度很大程度上与操作者的先验知识相关，同时手动分割过程耗时较长，需要花费较多的精力和时间。所以，对于实现图像的自动分割就显得尤为重要和迫切。

从2012年深度学习模型在图像领域大放异彩，基于深度学习的自动分割算法的精度也逐年提升。但现有的深度学习模型的训练仅关注于图像中目标对象的视觉特征进行学习，但在实际应用中，图像中包含的信息并不仅限于视觉特征信息，从而在使用现有的深度学习模型进行图像分割时，导致图像分割的精确度不高。

发明内容

本发明实施例提供了一种图像分割方法、装置、设备及存储介质，以提高神经网络模型的图像分割的精确度。

第一方面，本发明实施例提供了一种图像分割方法，该方法包括：

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。

第二方面，本发明实施例还提供了一种图像分割装置，该装置包括：

目标图像获取模块，用于获取待分割的目标图像；

分割结果输出模块，用于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。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述所涉及的任一所述的图像分割方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的图像分割方法。

本发明实施例通过基于标准分割图像和标准勾画信息对神经网络模型进行训练，解决了现有神经网络模型图像分割效果不佳的问题，使得神经网络模型在对图像进行分割时，不仅关注于图像中的视觉特征信息还可以关注于图像中的各向异性信息，从而提高了图像分割的精确度。

附图说明

图1是本发明实施例一提供的一种图像分割方法的流程图；

图2A是本发明实施例一提供的一种标准勾画信息的示意图；