一种图像分割方法、装置、设备、存储介质及产品与流程

1.本公开涉及人工智能领域，具体涉及计算机视觉、图像识别和深度学习技术。


背景技术：

2.随着人工智能相关技术的发展与应用，越来越多的领域显露出对智能化、自动化技术的强烈需求，其中短视频领域就是其中之一。在短视频领域，对视频中指定目标的抠除，背景虚化等都依赖于视频目标分割算法。可以理解为，视频目标分割方法的发展对短视频处理的智能化，特效处理等具有十分重要的意义。人像视频分割算法是视频目标分割中的一个重要分支，各应用程序(application，app)对于视频人像分割算法有很大的需求。但也有很高的要求，尤其是在处理精度和速度方面。


技术实现要素：

3.本公开提供了一种用于图像分割的方法、装置、设备、存储介质及产品。
4.根据本公开的一方面，提供了一种图像分割方法，包括：
5.获取当前帧图像，并获取所述当前帧图像的上一帧图像以及所述上一帧图像的掩膜图像；将所述上一帧图像的掩膜图像与所述当前帧图像进行融合，并将融合后的图像输入第一编码器；确定所述上一帧图像和所述当前帧图像间的差异图像，并将所述差异图像输入第二编码器；在所述第一编码器中对所述融合后的图像进行特征提取，得到第一特征图，在所述第二编码器中对所述差异图像进行特征提取，得到第二特征图，并将所述第一特征图和所述第二特征图进行融合；将融合后的特征图输入解码器，得到所述当前帧图像的掩膜图像。
6.根据本公开的另一方面，提供了一种图像分割装置，包括：
7.获取单元，用于获取当前帧图像，并获取所述当前帧图像的上一帧图像以及所述上一帧图像的掩膜图像；处理单元，用于将所述上一帧图像的掩膜图像与所述当前帧图像进行融合，并将融合后的图像输入第一编码器；还用于确定所述上一帧图像和所述当前帧图像间的差异图像，并将所述差异图像输入第二编码器；编码单元，用于在所述第一编码器中对所述融合后的图像进行特征提取，得到第一特征图，在所述第二编码器中对所述差异图像进行特征提取，得到第二特征图，并将所述第一特征图和所述第二特征图进行融合；解码单元，用于将融合后的特征图输入解码器，得到所述当前帧图像的掩膜图像。
8.根据本公开的又一方面，提供了一种电子设备，包括：
9.至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的方法。
10.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行所述的方法。
11.根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算
机程序在被处理器执行时实现所述的方法。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图用于更好地理解本方案，不构成对本公开的限定。其中：
14.图1是根据本公开实施例的图像分割方法的流程示意图；
15.图2是根据本公开实施例的一种确定第一特征图以及第二特征图的流程示意图；
16.图3是根据本公开实施例的另一种确定第一特征图以及第二特征图的流程示意图；
17.图4是根据本公开实施例的确定当前帧图像的掩膜图像的流程示意图；
18.图5是根据本公开实施例的图像分割的具体流程示意图；
19.图6是根据本公开实施例的当前帧图像的示意图；
20.图7是根据本公开实施例的当前帧图像的掩膜图像的示意图；
21.图8是根据一示例性实施例示出的一种图像分割装置框图；
22.图9是用来实现本公开实施例的图像分割方法的电子设备的框图。
具体实施方式
23.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
24.本公开应用于在短视频中对目标进行分割的场景。相关技术中，为了达到速度要求，一般都会选择相关网络(mobilenet-deeplabv3+等)作为目标分割的网络，该网络的组成为encoder-decoder(编码器-解码器)的组合，输入为当前帧图像和上一帧图像的掩膜图像(记作mask)，当encoder下采样到输入图像的1/16后然后直接恢复到1/4，与encoder中1/4尺寸的特征图进行融合，然后恢复到输入图像尺寸，以得到当前帧图像的掩膜图像。但是相关技术中的视频目标分割方法中，若按照预设间隔获取到的相邻两帧图像中目标物体发生较大位移，则会导致根据上一帧图像的掩膜图像得到的当前帧图像的掩膜图像不准确。可以理解为，由于输入只有上一帧图像的掩膜图像和当前帧图像，若上一帧图像的掩膜图像不准确，则会在一定程度上对当前帧图像的分割造成误导，造成误分割。
25.为了解决上述问题，本公开提供了一种图像分割方法。在encoder中输入当前帧图像和上一帧图像的掩膜图像的基础上，增加一个与encoder并行的通路，将上一帧图像与当前帧图像的差别引入到网络中，从而进一步丰富语义信息，提高当前帧图像的掩膜图像的准确度。
26.需说明，本公开提供的图像分割方法不仅适用于对图像中的人像进行分割，同样适用于对指定的其他目标进行分割，例如动物，车辆等。图像分割的过程包括确定待分割对象，在当前帧图像中对待分割对象进行分割，得到当前帧图像的掩膜图像。当前帧图像的掩膜图像也称为预测结果。
27.下述实施例为便于描述，将两个编码器中的一个称为第一编码器，将两个编码器中的另一个称为第二编码器。第一编码器用于处理上一帧图像的掩膜图像与当前帧图像融合后的图像。第二编码器用于处理上一帧图像和当前帧图像间的差异图像。将第一编码器中进行下采样得到的特征图，称为第一中间特征图。将第二编码器中进行下采样得到的特征图，称为第二中间特征图。
28.本公开下述实施例将结合附图，对本公开提供的图像分割方法进行说明。
29.图1是根据本公开实施例的图像分割方法的流程示意图；如图1所示，本公开实施例中一种图像分割方法，包括以下步骤。
30.在步骤s101中，获取当前帧图像，并获取当前帧图像的上一帧图像以及上一帧图像的掩膜图像。
31.利用本公开实施对短视频中的帧图像进行处理时，按照预先设置的时间间隔获取当前帧图像。若首次获取当前帧图像，则对首次获取的当前帧图像进行预测，得到当前帧图像的掩膜图像。若非首次获取当前帧图像，则获取当前帧图像，并获取当前帧图像的上一帧图像以及上一帧图像的掩膜图像。
32.在步骤s102中，将上一帧图像的掩膜图像与当前帧图像进行融合，并将融合后的图像输入第一编码器。
33.在步骤s103中，确定上一帧图像和当前帧图像间的差异图像，并将差异图像输入第二编码器。
34.将上一帧图像和当前帧图像作差，确定上一帧图像和当前帧图像间的差异图像。通过确定上一帧图像和当前帧图像间的差异图像，可以确定相邻两帧图像间目标物体是否发生较大位移。通过差异图像表征相邻两帧图像间目标物体发生的位移。在后续图像分割过程中考虑差异图像，能够提高预测掩膜图像的准确度。
35.在步骤s104中，在第一编码器中对融合后的图像进行特征提取，得到第一特征图，在第二编码器中对差异图像进行特征提取，得到第二特征图，并将第一特征图和第二特征图进行融合。
36.本公开通过下采样提取图像中待分割对象的特征。下采样，是对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。下采样就是抽取，是多速率信号处理中的基本内容之一。
37.在第一编码器中，本公开为了获取融合后的图像不同尺寸的特征，对融合后的图像进行多次下采样，得到多个不同尺寸的第一中间特征图。将第一编码器中尺寸最小的第一中间特征图，作为第一特征图。
38.在第二编码器中，对差异图像进行多次下采样，得到多个不同尺寸的第二中间特征图。将第二编码器中尺寸最小的第二中间特征图，作为第二特征图。将第一特征图和第二特征图进行融合。
39.需说明，本公开实施例中的尺寸都忽略了批尺寸(batch_size)和通道信息。
40.在步骤s105中，将融合后的特征图输入解码器，得到当前帧图像的掩膜图像。
41.在解码器中对融合后的特征图进行上采样，使得到的当前帧图像的掩膜图像尺寸，与输入的当前帧图像的尺寸相同。本公开中的上采样(upsampling)也可以称为图像插值(interpolating)，实质是对融合后的特征图进行放大处理，使得融合后的特征图与输入
的当前帧图像的尺寸相同。示例的，可以通过内插值方法对融合后的特征图进行上采样，即可以在融合后的特征图的基础上在像素点之间采用合适的插值算法插入新的元素等。
42.在本公开的图像分割方法中，不仅考虑了上一帧图像的掩膜图像，还考虑了上一帧图像和当前帧图像间的差异，对于相邻帧图像间移动大的场景，能够提升预测当前帧图像的掩膜图像的准确度。
43.在本公实施例中，通过将第一编码器中第一中间特征图与第二编码器中尺寸相同的第二中间特征图进行融合，在降低计算量的情况下，保留更多的语义信息。
44.图2是根据本公开实施例的一种确定第一特征图以及第二特征图的流程示意图；如图2所示，本公开实施例中在第一编码器中对融合后的图像进行特征提取，得到第一特征图，在第二编码器中对差异图像进行特征提取，得到第二特征图，包括以下步骤。
45.在步骤s201中，在第一编码器中，对融合后的图像进行下采样，得到多个不同尺寸的第一中间特征图。
46.本公开为了获取融合后图像的不同尺寸的特征，首先对融合后图像进行下采样，生成第一中间特征图a。其中，第一中间特征图a的大小为融合后图像的1/2。再对第一中间特征图a进行下采样，生成第一中间特征图b。其中，第一中间特征图b的大小为融合后图像的1/4。接着对第一中间特征图b进行下采样，生成第一中间特征图c。其中，第一中间特征图c的大小为融合后图像的1/8。依次类推，完成对融合后图像的下采样，得到多个不同尺寸的第一中间特征图。其中第一中间特征图包括第一中间特征图a，第一中间特征图b，第一中间特征图c等。
47.在步骤s202中，将第一编码器中尺寸最小的第一中间特征图，作为第一特征图。
48.在上述示例中，若在第一编码器中尺寸最小的第一中间特征图大小为融合后图像的1/16，则将大小为融合后图像的1/16的第一中间特征图，作为第一特征图。
49.在步骤s203中，在第二编码器中，对差异图像进行下采样，得到多个不同尺寸的第二中间特征图。
50.本公开为了获取差异图像的不同尺寸的特征，首先对差异图像进行下采样，生成第二中间特征图a。其中，第二中间特征图a的大小为差异图像的1/4。再对第二中间特征图a进行下采样，生成第二中间特征图b。其中，第二中间特征图b的大小为差异图像的1/16。基于此，完成对融合差异图像的下采样，得到多个不同尺寸的第二中间特征图。其中第二中间特征图包括第二中间特征图a，第二中间特征图b等。
51.在步骤s204中，将第二编码器中尺寸最小的第二中间特征图，作为第二特征图。
52.在上述示例中，若在第二编码器中尺寸最小的第二中间特征图大小为差异图像的1/16，则将大小为差异图像的1/16的第二中间特征图，作为第二特征图。
53.在本公开实施例中，第一编码器中下采样的倍数与第二编码器中下采样的倍数不同。示例的，对于一个尺寸为m*n的融合后图像或差异图像，对该融合后图像或差异图像进行s倍下采样，即得到(m/s)*(n/s)尺寸的分辨率的图像。其中，s为m和n的公约数。在一种实施方式中，第一编码器中下采样的倍数可以为2，第二编码器中下采样的倍数可以为4。
54.本公开实施例中，分别对融合后的图像以及差异图像进行下采样，得到第一特征图和第二特征图，将第一特征图和第二特征图进行融合，在预测当前帧图像的掩膜图像时，综合考虑了表征差异图像特征的第二特征图，提高预测当前帧图像的掩膜图像的准确度，
避免造成误分割。
55.图3是根据本公开实施例的另一种确定第一特征图以及第二特征图的流程示意图；如图3所示，本公开实施例中在第一编码器中对融合后的图像进行特征提取，得到第一特征图，在第二编码器中对差异图像进行特征提取，得到第二特征图，包括以下步骤。
56.在步骤s301中，在第一编码器中，对融合后的图像进行m次下采样，得到多个不同尺寸的第一中间特征图。
57.在本公开实施例中，第一编码器中下采样的倍数与第二编码器中下采样的倍数不同。在一种实施方式中，第一编码器中下采样的倍数与第二编码器中下采样的倍数间呈整数倍的关系。可以理解为，假设需要获取第一中间特征图的尺寸是融合后图像的1/4，按照第一编码器中下采样的倍数需要进行两次下采样，才可以得到特征图的尺寸是融合后图像的1/4。若按照第二编码器中下采样的倍数，则需要进行一次下采样，即可得到特征图的尺寸是融合后图像的1/4。
58.假设在第一编码器中需要进行n次下采样，得到全部的第一中间特征图。在本公开实施例中，为保留更多差异图像的边缘特征以及位置特征，在第一编码器中进行m次下采样后，将第一编码器中与第二编码器中尺寸相同的第一中间特征图和第二中间特征图进行融合，得到融合后特征图。接着，对融合后特征图继续进行下采样，得到全部的第一中间特征图。
59.在步骤s302中，在第二编码器中，对差异图像进行下采样，得到多个不同尺寸的第二中间特征图。
60.在步骤s303中，将第一中间特征图和第二中间特征图进行融合。
61.其中，进行融合的第一中间特征图和第二中间特征图的尺寸相同。示例的，获取大小为差异图像的1/4的第二中间特征图，将1/4的第二中间特征图与1/4的第一中间特征图进行融合。需说明，当前帧图像，上一帧图像以及上一帧图像的掩膜图像的尺寸都相同，故，大小为差异图像的1/4的第二中间特征图，与大小为融合后图像的1/4的第一中间特征图的尺寸相同。此处的融合可以采用拼接concat方式或相加的方式。
62.在步骤s304中，在第一编码器中，对融合后的中间特征图继续进行n-m次下采样，得到多个不同尺寸的第一中间特征图。
63.m和n为正整数，且m《n。
64.在步骤s305中，将第一编码器中尺寸最小的第一中间特征图作为第一特征图，并将第二编码器中尺寸最小的第二中间特征图作为第二特征图。
65.在本公开实施例中，在第一编码器下采样的过程中，将尺寸相同的所述第二中间特征图与所述第一中间特征图进行融合后继续进行下采样，保留了更多差异图像的边缘特征和位置特征，进一步提高了分割准确率。
66.在上述任意一项实施方式的基础上，图4是根据本公开实施例的确定当前帧图像的掩膜图像的流程示意图；如图4所示，本公开实施例中将融合后的特征图输入解码器，得到当前帧图像的掩膜图像，包括以下步骤。
67.在步骤s401中，获取第一编码器中除尺寸最小的第一中间特征图外，其余的第一中间特征图。
68.在一种实施方式中，第一编码器中的第一中间特征图包括1/2的第一中间特征图，
1/4的第一中间特征图，1/8的第一中间特征图以及1/16的第一中间特征图。其中1/16的第一中间特征图为尺寸最小的第一中间特征图。
69.在一种实施方式中，其余的第一中间特征图包括：将第一中间特征图与第二中间特征图进行融合后，得到的第一中间特征图，其中，进行融合的第一中间特征图和第二中间特征图的尺寸相同；同时，尺寸相同的第二中间特征图与第一中间特征图不包括尺寸最小的第一中间特征图以及尺寸最小的第二中间特征图。示例的，将1/4的第二中间特征图与1/4的第一中间特征图进行融合，将融合后的1/4的第一中间特征图作为其余的第一中间特征图。采用尺寸相同的第二中间特征图与第一中间特征图进行融合后的特征图，能够提高分割的准确度。
70.在步骤s402中，将融合后的特征图与其余的第一中间特征图进行融合，得到第三特征图。
71.将融合后的特征图与1/8的第一中间特征图融合后，再与1/4的第一中间特征图融合，之后再与1/2的第一中间特征图进行融合，得到第三特征图。此处的融合可以采用拼接concat方式。另外，这里的1/4的第一中间特征图，可以为上述1/4的第二中间特征图与1/4的第一中间特征图进行融合后的特征图。
72.在步骤s403中，对第三特征图进行上采样，得到当前帧图像的掩膜图像。
73.对第三特征图进行上采样，使当前帧图像的掩膜图像与当前帧图像的尺寸相同。
74.在本公开实施例中，将融合后的特征图与第一中间特征图进行融合，得到第三特征图，通过第三特征图得到当前帧图像的掩膜图像，保留了当前帧图像的语义信息以及相邻帧图像间的差异信息，提高了预测准确率。
75.本公开实施例中的网络可以为卷积神经网络模型、前馈(feed forward，ff)神经网络模型、递归(recurrent neural network，rnn)神经网络模型及长短时记忆(long/short term memory，lstm)网络模型，等等。本公开通过上述实施例实现网络的训练和预测。
76.图5是根据本公开实施例的图像分割的具体流程示意图；如图5所示，将上一帧图像的掩膜图像与当前帧图像进行融合，并将融合后的图像输入第一编码器。将上一帧图像和当前帧图像作差，得到差异图像，并将差异图像输入第二编码器。在第一编码器中对融合后的图像进行下采样，得到1/2的第一中间特征图。在1/2的第一中间特征图继续进行下采样，得到1/4的第一中间特征图。获取1/4的第二中间特征图，将1/4的第一中间特征图和1/4的第二中间特征图进行特征融合。在融合后的特征图上继续进行下采样，得到1/8的第一中间特征图。对1/8的第一中间特征图进行下采样，得到1/16的第一中间特征图。同样的，在第二编码器中对差异图像进行下采样，得到1/4的第二中间特征图。在1/4的第二中间特征图继续进行下采样，得到1/16的第二中间特征图。将1/16的第一中间特征图和1/16的第二中间特征图进行融合。将1/16的第一中间特征图与1/16的第二中间特征图融合后的特征图输入解码器中，依次与1/8的第一中间特征图进行融合。之后在与1/4的第一中间特征图进行融合，再与1/2的第一中间特征图进行融合。最后对融合后的特征图进行上采样，得到当前帧图像的掩膜图像。在上述过程中将上一帧图像与当前帧图像的差别引入到网络中，从而进一步丰富语义信息，提高当前帧图像的掩膜图像的准确度。通过图5所示的方法对图6所示的当前帧图像进行预测，得到图7所示的当前帧图像的掩膜图像。
77.基于相同的构思，本公开实施例还提供一种图像分割装置。
78.可以理解的是，本公开实施例提供的图像分割装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。
79.图8是根据一示例性实施例示出的一种图像分割装置框图。参照图8，该装置500包括获取单元501、处理单元502、编码单元503以及解码单元504。
80.获取单元501，用于获取当前帧图像，并获取当前帧图像的上一帧图像以及上一帧图像的掩膜图像；处理单元502，用于将上一帧图像的掩膜图像与当前帧图像进行融合，并将融合后的图像输入第一编码器；还用于确定上一帧图像和当前帧图像间的差异图像，并将差异图像输入第二编码器；编码单元503，用于在第一编码器中对融合后的图像进行特征提取，得到第一特征图，在第二编码器中对差异图像进行特征提取，得到第二特征图，并将第一特征图和第二特征图进行融合；解码单元504，用于将融合后的特征图输入解码器，得到当前帧图像的掩膜图像。
81.在一种实施方式中，编码单元503还用于：在第一编码器中，对融合后的图像进行下采样，得到多个不同尺寸的第一中间特征图；将第一编码器中尺寸最小的第一中间特征图，作为第一特征图；在第二编码器中，对差异图像进行下采样，得到多个不同尺寸的第二中间特征图；将第二编码器中尺寸最小的第二中间特征图，作为第二特征图；其中，第一编码器中下采样的倍数与第二编码器中下采样的倍数不同。
82.在一种实施方式中，编码单元503还用于：在第一编码器中，对融合后的图像进行m次下采样，得到多个不同尺寸的第一中间特征图；在第二编码器中，对差异图像进行下采样，得到多个不同尺寸的第二中间特征图；将所述第一中间特征图和所述第二中间特征图进行融合，其中，进行融合的所述第一中间特征图和所述第二中间特征图的尺寸相同；在第一编码器中，对融合后的中间特征图继续进行n-m次下采样，得到多个不同尺寸的第一中间特征图；将第一编码器中尺寸最小的第一中间特征图作为第一特征图，并将第二编码器中尺寸最小的第二中间特征图作为第二特征图；其中，第一编码器中下采样的倍数与第二编码器中下采样的倍数不同，且m和n为正整数。
83.在一种实施方式中，解码单元504还用于：获取第一编码器中除尺寸最小的第一中间特征图外，其余的第一中间特征图；将融合后的特征图与其余的第一中间特征图进行融合，得到第三特征图；对第三特征图进行上采样，得到当前帧图像的掩膜图像。
84.在一种实施方式中，其余的第一中间特征图包括：将第一中间特征图与第二中间特征图进行融合后，得到的第一中间特征图；其中，进行融合的所述第一中间特征图和所述第二中间特征图的尺寸相同，且尺寸相同的第二中间特征图与第一中间特征图不包括尺寸最小的第一中间特征图和第二中间特征图。
85.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
86.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关
法律法规的规定，且不违背公序良俗。
87.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
88.图9示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
89.如图9所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
90.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
91.计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图像分割方法。例如，在一些实施例中，图像分割方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的图像分割方法图像分割方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像分割方法。
92.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
93.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的
功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
94.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
95.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
96.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
97.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
98.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
99.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。