[发明专利]分割模型的训练方法、矿物图像的分割方法及装置

说明书

本发明提供了一种分割模型的训练方法、矿物图像的分割方法及装置，包括：获取矿物图像，并将矿物图像进行标注，得到训练集；其中，训练集中包括标注矿物图像和未标注矿物图像；基于标注矿物图像对分割模型进行训练，得到第一分割模型；若第一分割模型不符合预设要求，则基于第一分割模型得到未标注矿物图像的不确定性；按照不确定性的降序顺序，将预设数量的未标注矿物图像进行标注，并基于标注后的未标注矿物图像对第一分割模型进行训练，得到目标分割模型。本发明有效的改善了依赖人工标注图像的问题，降低了人工成本。

技术领域

本发明涉及图像处理和计算机应用技术领域，尤其是涉及一种分割模型的训练方法、矿物图像的分割方法及装置。

背景技术

矿物图像分割是实现工艺矿物学研究自动化和智能化的重要步骤，从矿物显微图像中精准分割出矿物颗粒是实现金属矿物工艺参数自动测量的基础。传统的在光学显微镜下利用人眼进行矿物颗粒的统计、分类、计数等这类需要大量繁琐的人为操作，工作效率低且数据重复性较差。在机器视觉的研究中，现有的基于深度学习的分割方法，依赖于大量的人工标注好的图像，需要耗费大量的人力和时间。

发明内容

有鉴于此，本发明的目的在于提供一种分割模型的训练方法、矿物图像的分割方法及装置，有效的改善了依赖人工标注图像的问题，降低了人工成本。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种分割模型的训练方法，包括：获取矿物图像，并将矿物图像进行标注，得到训练集；其中，训练集中包括标注矿物图像和未标注矿物图像；基于标注矿物图像对分割模型进行训练，得到第一分割模型；若第一分割模型不符合预设要求，则基于第一分割模型得到未标注矿物图像的不确定性；按照不确定性的降序顺序，将预设数量的未标注矿物图像进行标注，并基于标注后的未标注矿物图像对第一分割模型进行训练，得到目标分割模型。

在一种实施方式中，基于标注的矿物图像对分割模型进行训练，得到第一分割模型，包括：将训练集中的每张标注矿物图像分别输入分割模型，得到每张标注矿物图像对应的分割概率图；基于每张标注矿物图像对应的分割概率图和标注矿物图像，确定损失函数值；基于损失函数值，更新分割模型的模型参数，得到第一分割模型。

在一种实施方式中，按照以下公式计算损失函数：

其中，n为训练集中的样本数量，h为矿物图像高度，ω为矿物图像宽度，2为通道数，分别代表标签的前景图和背景图，为分割模型的输入图像，S(X_n|θ_seg)^(h,w,2)为分割模型输出的分割概率图。

在一种实施方式中，基于第一分割模型得到未标注矿物图像的不确定性，包括：将训练集中的每张未标注矿物图像分别输入第一分割模型，得到每张未标注矿物图像对应的置信图；基于置信图，确定每张未标注矿物图像的不确定性。

在一种实施方式中，分割模型包括编码模块和解码模块；其中，编码模块包括：多个3*3的卷积层、2个最大池化层和多个1*1的卷积层；解码模块包括：多个上采样层和多个卷积层。

在一种实施方式中，上述方法还包括：对训练集中的矿物图像进行预处理和图像增强；其中，预处理至少包括：将矿物图像裁剪为预设尺寸；图像增强至少包括以下中的一种：颜色直方图均衡化操作、水平镜像翻转操作、高斯模糊操作、添加随机噪声操作。

第二方面，本发明实施例提供了一种矿物图像的分割方法，包括：获取待分割矿物图像；基于预先训练的分割模型，得到待分割矿物图像的分割图像；其中，分割模型是基于权利要求1至6任一项的方法训练得到的。