[发明专利]一种利用深度迁移学习进行图像分割处理方法和装置

权利要求书

1.一种利用深度迁移学习进行图像分割处理方法，其特征在于，包括：

获取第一温度下的金属微观组织图像，其中，所述金属微观组织图像均带有标签，所述金属微观组织图像至少被分为第一训练集和验证集；

使用所述第一训练集的每张图像训练分割模型，其中，使用每张图像训练每一轮之后均使用验证集对此次训练进行验证，得到此轮训练后的分割模型的评价指标；

根据每轮的评价指标选择最优的模型，并获取最优的模型对应的模型参数；

使用所述模型参数构建新的分割模型；

使用第二温度下的金属微观组织图像作为第二训练集对所述新的分割模型进行调整；

使用调整后的新的分割模型进行预测得到预测结果。

2.根据权利要求1所述的方法，其特征在于，所述第二训练集中的图像数量小于所述第一训练集中的图像数量。

3.根据权利要求1所述的方法，其特征在于，获取所述第一温度下的金属微观组织图像包括：将电子显微镜拍摄的图像经过剪裁得到所述金属微观组织图像；

对所述金属微观组织图像中使用图像增强进行扩充。

4.根据权利要求3所述的方法，其特征在于，所述图像增强包括以下至少之一：翻转、旋转、增加高斯噪声。

5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：

对所述预测结果中的图像进行形态学处理得到预测分割图像。

6.一种利用深度迁移学习进行图像分割处理装置，其特征在于，包括：

获取模块，用于获取第一温度下的金属微观组织图像，其中，所述金属微观组织图像均带有标签，所述金属微观组织图像至少被分为第一训练集和验证集；

分割模块，用于使用所述第一训练集的每张图像训练分割模型，其中，使用每张图像训练每一轮之后均使用验证集对此次训练进行验证，得到此轮训练后的分割模型的评价指标；

选择模块，用于根据每轮的评价指标选择最优的模型，并获取最优的模型对应的模型参数；

构建模块，用于使用所述模型参数构建新的分割模型；

调整模块，用于使用第二温度下的金属微观组织图像作为第二训练集对所述新的分割模型进行调整；

处理模块，用于使用调整后的新的分割模型进行预测得到预测结果。

7.根据权利要求6所述的装置，其特征在于，所述第二训练集中的图像数量小于所述第一训练集中的图像数量。

8.根据权利要求6所述的装置，其特征在于，所述获取模块用于：

将电子显微镜拍摄的图像经过剪裁得到所述金属微观组织图像；

对所述金属微观组织图像中使用图像增强进行扩充。

9.根据权利要求8所述的装置，其特征在于，所述图像增强包括以下至少之一：翻转、旋转、增加高斯噪声。

10.根据权利要求6至9中任一项所述的装置，其特征在于，所述处理模块还用于：

对所述预测结果中的图像进行形态学处理得到预测分割图像。