[发明专利]一种基于全卷积神经网络的改进型图像分割训练方法

摘要

本发明针对由于黑色素瘤皮肤病变分割的难度大，缺少简单有效快速的图像分割方法的现状，提出了一种基于全卷积神经网络的改进型图像分割训练方法，该方法包括首先对训练样本进行数据增强，归一化处理，然后对处理后的样本进行采样切割，并将采样切割后的图像进行分类以实现基于传统卷积神经网络的分类识别训练。然后，将这个分类网络的参数赋值给一种改进型全卷积网络，并将原尺寸的训练样本放入该网络进行训练得到预测概率图，以实现，完对皮肤黑素瘤病变图片的分割。该方法可有效提升全卷机网络对图像分割训练的监督性，提升训练效率，并可增加分割准确率。

主权项

一种基于全卷积神经网络的改进型图像分割训练方法，所述方法包括：(1)将数据集样本分为训练样本和验证样本，样本库中图片进行预处理，得到处理后的图片；(2)对(1)中处理后的图片及其标签图像进行采样切割，并将切割后的图像作为新的数据集，分为前景、后景及边缘三类；(3)构建三层神经网络，将(2)中处理后的图片依批次输入该网络，得到训练完成的分类器网络；(3)构造改进型全卷积神经网络，提取(3)中所述的神经网络中的层参数对该全卷积网络进行网络初始化赋值；(4)将(1)中得到的处理后的训练样本和验证样本输入(3)中的网络，进行图像分割训练，得到训练好的改进型全卷积网络；(5)对测试样本图片进行如(1)中的预处理，得到处理后的测试图片；(6)将(5)处理后得到的图片输入训练好的如(5)所述训练好的全卷积网络中，得到预测图片。