图像分割方法、装置、计算机可读存储介质及计算机设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115018857A(43)申请公布日2022.09.06(21)申请号202210953897.4(22)申请日2022.08.10(71)申请人南昌昂坤半导体设备有限公司地址330096江西省南昌市南昌高新技术产业开发区艾溪湖北路688号中兴科技园8号厂房一层申请人昂坤视觉（北京）科技有限公司(72)发明人郭萌冯希马铁中(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师何世磊(51)Int.Cl.G06T7/10(2017.01)权利要求书2页说明书9页附图3页(54)发明名称图像分割方法、装置、计算机可读存储介质及计算机设备(57)摘要一种图像分割方法、装置、计算机可读存储介质及计算机设备，该方法包括：将训练样本图像进行像素归一化处理；将归一化处理后的训练样本图像输入至图像分割模型中进行图像分割处理；将图像分割模型输出的预测概率以及训练样本图像的分割真值输入到目标损失函数中进行损失值计算，该目标损失函数用于进行交叉损失计算、平均绝对误差损失计算，以及像素类别内的损失计算与像素类别间的损失计算；当计算出的损失值大于预设值时，根据损失值对图像分割模型的参数进行优化；当计算出的损失值小于或等于预设值时，将待测图像输入至图像分割模型中，得到待测图像的图像分割结果。本发明图像分割精度，以及图像分割效率均优于现有技术。CN115018857ACN115018857A权利要求书1/2页1.一种图像分割方法，其特征在于，包括：将训练样本图像进行像素归一化处理；将归一化处理后的训练样本图像输入至图像分割模型中进行图像分割处理；将所述图像分割模型输出的预测概率以及所述训练样本图像的分割真值输入到目标损失函数中进行损失值计算，所述目标损失函数用于进行交叉损失计算、平均绝对误差损失计算，以及像素类别内的损失计算与像素类别间的损失计算；当计算出的损失值大于预设值时，根据所述损失值对所述图像分割模型的参数进行优化，并返回执行将归一化处理后的训练样本图像输入至图像分割模型中进行图像分割处理的步骤；当计算出的损失值小于或等于所述预设值时，将待测图像输入至所述图像分割模型中，得到所述待测图像的图像分割结果。2.如权利要求1所述的图像分割方法，其特征在于，所述将所述图像分割模型输出的预测概率以及所述训练样本图像的分割真值输入到目标损失函数中进行损失值计算的步骤包括：统计所述训练样本图像中缺陷像素的个数和非缺陷像素的个数，并根据所述图像分割模型输出的预测概率，筛选出概率低于阈值的预设数量的非缺陷像素；将所述训练样本图像中的缺陷像素和筛选出的非缺陷像作为输入像素，并将所述输入像素的预测概率和所述训练样本图像的分割真值输入到目标损失函数中进行损失值计算。3.如权利要求2所述的图像分割方法，其特征在于，所述预设数量hn为，其中，p为所述训练样本图像中缺陷像素的个数，n为所述训练样本图像中非缺陷像素的个数。4.如权利要求1所述的图像分割方法，其特征在于，将所述图像分割模型输出的预测概率以及所述训练样本图像的分割真值输入到目标损失函数中进行损失值计算的步骤之前还包括：根据交叉熵函数、平均绝对误差损失函数构建初始损失函数；根据各个像素类别的像素，以及所述初始损失函数确定每个像素类别对应的损失函数；对各个像素类别对应的损失函数引入均值计算得到目标损失函数。5.如权利要求4所述的图像分割方法，其特征在于，所述目标损失函数为：，其中，L为目标损失函数，Pt为像素t的模型预测概率，Sn为第n个像素类别的像素集合，为第n个像素类别的像素集合中像素的个数，N为总的像素类别个数，λ为平衡交叉熵与平均绝对误差损失的系数。6.如权利要求5所述的图像分割方法，其特征在于，λ取值为2。7.如权利要求1所述的图像分割方法，其特征在于，图像分割模型采用UNet图像分割网络或FCN图像分割网络。8.一种图像分割装置，其特征在于，包括：归一化处理模块，用于将训练样本图像进行像素归一化处理；2CN115018857A权利要求书2/2页第一图像分割模块，用于将归一化处理后的训练样本图像输入至图像分割模型中进行图像分割处理；计算模块，用于将所述图像分割模型输出的预测概率以及所述训练样本图像的分割真值输入到目标损失函数中进行损失值计算，所述目标损失函数用于进行交叉损失计算、平均绝对误差损失计算，以及像素类别内的损失计算与像素类别间的损失计算；模型优化模块，用于当计算出的损失值大于预设值时，根据所述损失值对所述图像分割模型的参数进行优化，并返回执行将归一化处理后的训练样本图像输入至图像分割模型中进行图像分割处理的步骤；第二图像分割模块，用于当计算出的损失值小于或等于所述预设值时，将待测图像输入至所述图像分割模型中，得