[发明专利]基于模型优化迭代的区域边界识别方法和装置

说明书

本发明实施例公开了一种基于模型优化迭代的区域边界识别方法和装置，该方法包括：将第一图像输入至第一训练模型，通过所述第一训练模型输出所述第一图像对应的第一场景特征向量；根据所述第一场景特征向量以及场景聚类信息确定所述第一图像是否存在对应的识别场景；如果不存在所述对应的识别场景，则添加所述第一图像至第一样本训练集得到第二样本训练集，将所述第二样本训练集输入至原始神经网络模型，对所述原始神经网络模型进行训练以用于识别图像中的区域边界。本方案实现了对图像区域边界高效、准确的识别。

技术领域

本申请实施例涉及图像处理领域，尤其涉及一种基于模型优化迭代的区域边界识别方法和装置。

背景技术

对图像中包含的区域边界进行识别作为图像处理领域中的重要技术之一，被广泛应用于各种场景。如在农业应用领域，通过对拍摄图像进行区域边界识别以确定图像中包含的农田区域和非农田区域，可用于后续无人设备的高空作业处理。

现有技术中，大都采用基于深度学习的图像语义分割方法进行模型训练，通过训练得到的模型能够将输入的图像分割为不同的区域，再对各个区域使用边界搜索算法得到区域边界。然而，上述方式的缺陷在于，在复杂多样的场景下，模型泛化能力不足，使得区域边界识别结果精度低、效果差，整体的边界识别效率不高。

发明内容

本发明实施例提供了一种基于模型优化迭代的区域边界识别方法和装置，解决了现有技术中区域边界识别结果精度低、效果差，整体的边界识别效率不高的问题，实现了对图像区域边界高效、准确的识别。

第一方面，本发明实施例提供了一种基于模型优化迭代的区域边界识别方法，该方法包括：

将第一图像输入至第一训练模型，通过所述第一训练模型输出所述第一图像对应的第一场景特征向量；

根据所述第一场景特征向量以及场景聚类信息确定所述第一图像是否存在对应的识别场景，所述场景聚类信息包括一个或多个聚类中心，其中，每个聚类中心对应一个识别场景；

如果不存在所述对应的识别场景，则添加所述第一图像至第一样本训练集得到第二样本训练集，将所述第二样本训练集输入至原始神经网络模型，对所述原始神经网络模型进行训练以用于识别图像中的区域边界，其中，所述第一训练模型为对所述原始神经网络模型修改并训练后得到的模型。

第二方面，本发明实施例还提供了一种基于模型优化迭代的区域边界识别装置，该装置包括：

图像输入模块，用于将第一图像输入至第一训练模型；

特征向量输出模块，用于通过所述第一训练模型输出所述第一图像对应的第一场景特征向量；

场景识别模块，用于根据所述第一场景特征向量以及场景聚类信息确定所述第一图像是否存在对应的识别场景，所述场景聚类信息包括一个或多个聚类中心，其中，每个聚类中心对应一个识别场景；

样本添加模块，用于如果不存在所述对应的识别场景，则添加所述第一图像至第一样本训练集得到第二样本训练集；

网络模型训练模块，用于将所述第二样本训练集输入至原始神经网络模型，对所述原始神经网络模型进行训练以用于识别图像中的区域边界，其中，所述第一训练模型为对所述原始神经网络模型修改并训练后得到的模型。

第三方面，本发明实施例还提供了一种基于模型优化迭代的区域边界识别设备，该设备包括：

两个或多个处理器；存储装置，用于存储两个或多个程序，当所述两个或多个程序被所述两个或多个处理器执行，使得所述两个或多个处理器实现本发明实施例所述的基于模型优化迭代的区域边界识别方法。

第四方面，本发明实施例还提供了一种存储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本发明实施例所述的基于模型优化迭代的区域边界识别方法。