一种图像中目标区域自动提取的方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110110723A(43)申请公布日2019.08.09(21)申请号201910375406.0(22)申请日2019.05.07(71)申请人艾瑞迈迪科技石家庄有限公司地址050000河北省石家庄市高新区长江大道319号润江总部国际7号楼1单元三层(72)发明人杨峰李文杰李文涛(74)专利代理机构北京路浩知识产权代理有限公司11002代理人王庆龙苗晓静(51)Int.Cl.G06K9/32(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种图像中目标区域自动提取的方法及装置(57)摘要本发明实施例公开了一种图像中目标区域自动提取的方法及装置，方法包括：获取原始图像，根据第一预设标准提取原始图像中目标区域的第一对象和第二对象，得到训练集；根据训练集对原始图像进行训练，得到深度学习分割模型；根据第二预设标准提取训练集中的第一子对象和第二子对象，得到包含第一子对象和所述第二子对象的验证集；根据验证集对深度学习分割模型进行验证，若通过验证，则将第一子对象和第二子对象确定为原始图像的对象分割结果。通过第一预设标准进行粗提取，得到两个对象的训练集对原始图像进行训练，并通过第二预设标准对训练得到的深度学习分割模型进行验证，确定对象分割结果，大大提高了图像分割结果的正确率。CN110110723ACN110110723A权利要求书1/2页1.一种图像中目标区域自动提取的方法，其特征在于，包括：获取原始图像，根据第一预设标准提取所述原始图像中目标区域的第一对象和第二对象，得到包含所述第一对象和所述第二对象的训练集；根据所述训练集对所述原始图像进行训练，得到深度学习分割模型；根据第二预设标准提取所述训练集中的第一子对象和第二子对象，得到包含所述第一子对象和所述第二子对象的验证集；根据所述验证集对所述深度学习分割模型进行验证，若通过验证，则将所述第一子对象和所述第二子对象确定为所述原始图像的对象分割结果；其中，所述第一子对象为所述第一对象的子对象，所述第二子对象为所述第二对象的子对象。2.根据权利要求1所述的图像中目标区域自动提取的方法，其特征在于，所述图像中目标区域自动提取的方法还包括：若未通过验证，则根据所述深度学习分割模型对所述训练集进行分割，得到分割结果，并将所述训练集和所述分割结果合并为更新后的训练集，重新对所述原始图像进行训练。3.根据权利要求1所述的图像中目标区域自动提取的方法，其特征在于，所述根据所述训练集对所述原始图像进行训练，得到深度学习分割模型，具体包括：根据基于混合标注数据的半监督迭代训练策略和所述训练集对所述原始图像进行训练，得到深度学习分割模型。4.根据权利要求1所述的图像中目标区域自动提取的方法，其特征在于，所述第一预设标准为基于最小路径的分割方法实现所述第一对象和所述第二对象的粗提取，得到预设数量的与第一目标对象和第二目标对象相似的结构；所述第二预设标准为对所述第一对象和所述第二对象进行手动标注和筛选后，得到所述第一子对象和所述第二子对象。5.根据权利要求1所述的图像中目标区域自动提取的方法，其特征在于，所述根据所述训练集对所述原始图像进行训练，得到深度学习分割模型，具体包括：根据输入子块大于感受野子块的策略，从所述训练集中选取相同数量的对象样本和背景样本；根据所述对象样本和所述背景样本对所述原始图像进行训练，得到图像分割结果；采用全连接条件随机场对所述图像分割结果进行后处理优化，得到深度学习分割模型。6.一种图像中目标区域自动提取的装置，其特征在于，包括：图像提取模块，用于获取原始图像，根据第一预设标准提取所述原始图像中目标区域的第一对象和第二对象，得到包含所述第一对象和所述第二对象的训练集；图像训练模块，用于根据所述训练集对所述原始图像进行训练，得到深度学习分割模型；对象提取模块，用于根据第二预设标准提取所述训练集中的第一子对象和第二子对象，得到包含所述第一子对象和所述第二子对象的验证集；模型验证模块，用于根据所述验证集对所述深度学习分割模型进行验证，若通过验证，则将所述第一子对象和所述第二子对象确定为所述原始图像的对象分割结果；2CN110110723A权利要求书2/2页其中，所述第一子对象为所述第一对象的子对象，所述第二子对象为所述第二对象的子对象。7.根据权利要求6所述的图像中目标区域自动提取的装置，其特征在于，所述图像中目标区域自动提取的装置还包括：训练集分割模块，用于若未通过验证，则根据所述深度学习分割模型对所述训练集进行分割，得到分割结果，并将所述训练集和所述分割结果合并为更新后的训练集，重新对所述原始图像进行训练。8.根据权利要求6