[发明专利]图像分割方法、图像分割模型及其训练方法

权利要求书

1.一种图像分割模型的训练方法，其特征在于，所述图像分割模型包括用于图像分割的第一神经网络，所述训练方法包括：

将至少一个第一目标有向距离场及第一样本图像输入至所述第一神经网络，以使所述第一神经网络基于所述第一目标有向距离场对所述第一样本图像的感兴趣区域进行勾画预测，并基于勾画预测数据调节所述第一神经网络的网络参数，以完成对所述第一神经网络的训练。

2.如权利要求1所述的图像分割模型的训练方法，其特征在于，所述第一神经网络基于所述第一目标有向距离场对所述第一样本图像的有向距离进行调整，从而完成对所述第一样本图像的感兴趣区域的勾画预测。

3.如权利要求1所述的图像分割模型的训练方法，其特征在于，所述基于勾画预测数据调节所述第一神经网络的网络参数包括：

基于所述勾画预测数据与目标勾画预测数据的差异调节所述第一神经网络的网络参数。

4.如权利要求1-3中任一项所述的图像分割模型的训练方法，其特征在于，所述图像分割模型还包括用于预测有向距离场的第二神经网络，所述训练方法还包括：

将第二样本图像输入至所述第二神经网络，以使所述第二神经网络预测所述第二样本图像中相对感兴趣区域的第一有向距离场，并计算所述第一有向距离场与所述第二样本图像的第二目标有向距离场之间的损失值调节所述第二神经网络的网络参数，以完成对所述第二神经网络的训练。

5.如权利要求4所述的图像分割模型的训练方法，其特征在于，所述第一目标有向距离场通过将所述第一样本图像或所述第二样本图像输入至训练完成的所述第二神经网络所预测得到；或者，

所述第一目标有向距离场通过将所述第一样本图像或所述第二样本图像输入至训练完成的所述第二神经网络，而后利用激活函数对训练完成的所述第二神经网络的输出结果进行激活得到；或者，

所述第一目标有向距离场为计算所述第一样本图像中的像素点至所述感兴趣区域的有向距离得到。

6.如权利要求4所述的图像分割模型的训练方法，其特征在于，所述第一样本图像和/或所述第二样本图像通过对原始图像进行处理得到，对所述原始图像进行处理以得到所述第一样本图像和/或所述第二样本图像的方法包括：

计算所述原始图像中各像素点到至少一个第一感兴趣区域的轮廓的有向距离；以及，

将计算得到的所有有向距离与轮廓勾画指南规定的标准相比较，调整第二感兴趣区域的轮廓，以得到所述第一样本图像或所述第二样本图像。

7.一种图像分割模型的训练方法，其特征在于，所述图像分割模型包括用于图像分割的第一神经网络，所述训练方法还包括：

将所述第一样本图像输入所述第一神经网络，以使所述第一神经网络计算得到第一有向距离场，并基于所述第一有向距离场及第一目标有向距离场对所述第一样本图像的感兴趣区域进行勾画预测，以及基于勾画预测数据调节所述第一神经网络的参数，以完成对所述第一神经网络的训练。

8.如权利要求7所述的图像分割模型的训练方法，其特征在于，所述第一神经网络基于所述第一目标有向距离场调整所述第一有向距离场，从完成对所述第一样本图像的感兴趣区域的勾画预测。

9.如权利要求7或8所述的图像分割模型的训练方法，其特征在于，所述第一样本图像通过对原始图像进行处理得到，对所述原始图像进行处理以得到所述第一样本图像的方法包括：

计算所述原始图像中各像素点到至少一个第一感兴趣区域的轮廓的有向距离；

将计算得到的所有有向距离与轮廓勾画指南规定的标准相比较，调整第二感兴趣区域的轮廓，以得到所述第一样本图像。