[发明专利]一种用于边界线提取的神经网络模型训练方法及相关设备

权利要求书

1.一种用于边界线提取的神经网络模型训练方法，其特征在于，包括：

获取预设数据集及预设堆叠网络模型，所述预设数据集包括多张图像；

对第一数据集进行标注，标注内容为所述图像中的边界线部分，所述第一数据集属于所述预设数据集；

使用标注后的所述第一数据集对所述预设堆叠网络模型进行训练，得到第一堆叠网络模型。

2.根据权利要求1所述的边界线提取的神经网络模型训练方法，其特征在于，包括：

使用第一堆叠模型处理所述预设数据集，得到第一处理结果；

判断所述第一处理结果是否符合预设要求；

若所述第一处理结果不符合所述预设要求，则对第二数据集进行标注，所述第二数据集所包括的图像属于所述预设数据集；

使用标注后的所述第二数据集对所述第一堆叠网络模型进行训练，得到第二堆叠模型。

3.根据权利要求1所述的边界线提取的神经网络模型训练方法，其特征在于，

所述对第一数据集进行标注，包括：

使用边缘检测算法，确定所述第一数据集中各个图像中所包括的边界线。

4.根据权利要求2所述的边界线提取的神经网络模型训练方法，其特征在于，

所述第二数据集包括第一处理结果。

5.一种用于边界线提取的神经网络模型的使用方法，其特征在于，包括：

确定目标图像；

将目标图像输入堆叠网络模型，得到处理结果，所述堆叠网络模型包括第一堆叠网络模型或第二堆叠网络模型，所述第一堆叠网络模型为如权利要求1或权利要求3所述的第一堆叠网络模型，所述第二堆叠网络模型为如权利要求2或权利要求4所述的第二堆叠网络模型。

6.一种用于边界线提取的神经网络模型训练设备，其特征在于，包括：

获取单元，所述获取单元用于获取预设数据集及预设堆叠网络模型，所述预设数据集包括多张图像；

标注单元，所述标注单元用于对第一数据集进行标注，标注内容为所述图像中的边界线部分，所述第一数据集属于所述预设数据集；

训练单元，所述训练单元用于使用标注后的所述第一数据集对所述预设堆叠网络模型进行训练，得到第一堆叠网络模型。

7.一种用于边界线提取的神经网络模型的使用设备，其特征在于，包括：

确定单元，所述确定单元确定目标图像；

输入单元，所述输入单元将目标图像输入堆叠网络模型，得到处理结果，所述堆叠网络模型包括第一堆叠网络模型或第二堆叠网络模型，所述第一堆叠网络模型为如权利要求1或权利要求3所述的第一堆叠网络模型，所述第二堆叠网络模型为如权利要求2或权利要求4所述的第二堆叠网络模型。

8.一种用于边界线提取的神经网络模型训练设备，其特征在于，包括：

中央处理器，存储器，输入输出接口，有线或无线网络接口以及电源；

所述存储器为短暂存储存储器或持久存储存储器；

所述中央处理器配置为与所述存储器通信，在所述神经网络模型训练设备上执行所述存储器中的指令操作以执行如权利要求1至4中任意一项所述的方法。

9.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至4中任意一项所述的方法。

10.一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得计算机执行如权利要求1至4中任意一项所述的方法。