本申请涉及图像处理领域,更具体的说,涉及一种图像分割方法、装置、计算机可读存储介质及设备。
背景技术:
1、目前,深度学习已广泛运用于图像处理领域中,在图像分割场景中,一般采用图像分割模型法对图像进行分割处理,然而,现有的图像分割方法所采用的图像分割模型在训练过程中,所使用的损失函数在针对不同的预测值进行计算时,呈现两极分化的问题,例如现有的用于训练的图像分割模型的损失函数为将分母的预测值与真实值进行平方的计算方式,该损失函数对于计算任何大于0.5的数时会使得前景正样本产生的损失变大,使用该损失函数训练的图像分割模型的分割结果偏差大,导致了现有图像分割方法在采用该损失函数训练得到的图像分割模型对图像进行分割时,图像的分割效果不理想,存在分割结果偏差大,图像分割准确度低下的问题。
技术实现思路
1、本申请的目的是提供一种图像分割方法、装置、计算机可读存储介质及设备,基于执行该图像分割方法,提高了图像分割准确度,从而提高了图像分割模型对图像的分割效果。
2、为实现上述目的,第一方面,本申请提供了一种图像分割方法,所述方法包括:
3、获取所述训练图像集;
4、将所述训练图像集包括的样本图像输入图像分割模型进行图像分割处理,得到所述图像分割模型输出的所述样本图像的预测值;
5、获取所述图像分割模型的目标损失函数,将所述样本图像的预测值和所述样本图像对应的真实值输入所述目标损失函数,计算损失值;其中,所述目标损失函数从所述图像分割模型包括的多个损失函数确定;
6、若所述损失值不满足预设条件,则根据所述损失值对所述图像分割模型的参数进行调整,并返回执行所述将所述训练图像集包括的样本图像输入图像分割模型进行图像分割处理的步骤;
7、若所述损失值满足所述预设条件,则获取待分割图像,并将所述待分割图像输入所述图像分割模型,得到所述待分割图像的分割结果。
8、可选地,所述获取所述图像分割模型的目标损失函数,包括:
9、根据所述样本图像的预测值,从所述图像分割模型包括的多个损失函数中确定所述样本图像的预测值对应的所述目标损失函数。
10、可选地,所述多个损失函数包括第一损失函数和第二损失函数,其中,所述第一损失函数的预测值为指数变化,所述第二损失函数的预测值为线性变化。
11、可选地,所述根据所述样本图像的预测值,从所述图像分割模型包括的多个损失函数中确定所述样本图像的预测值对应的所述目标损失函数,包括:
12、当所述预测值小于预设阈值时,将所述第一损失函数确定为所述目标损失函数;
13、当所述预测值大于或等于预设阈值时,将所述第二损失函数确定为所述目标损失函数。
14、可选地,所述预设阈值为0.5。
15、第二方面,本申请还提供了一种图像分割装置,所述装置包括:
16、样本图像获取单元,用于获取所述训练图像集;
17、第一图像分割模块,用于将所述训练图像集包括的样本图像输入图像分割模型进行图像分割处理,得到所述图像分割模型输出的所述样本图像的预测值;
18、计算模块,用于获取所述图像分割模型的目标损失函数,将所述样本图像的预测值和所述样本图像对应的真实值输入所述目标损失函数,计算损失值;其中,所述目标损失函数从所述图像分割模型包括的多个损失函数确定;
19、模型优化模块,用于若所述损失值不满足预设条件,则根据所述损失值对所述图像分割模型的参数进行调整,并返回执行所述将所述训练图像集包括的样本图像输入图像分割模型进行图像分割处理的步骤;
20、第二图像分割模块,用于若所述损失值满足所述预设条件,则获取待分割图像,并将所述待分割图像输入所述图像分割模型,得到所述待分割图像的分割结果。
21、可选地,所述计算模块,具体用于:
22、根据所述样本图像的预测值,从所述图像分割模型包括的多个损失函数中确定所述样本图像的预测值对应的所述目标损失函数。
23、可选地,所述多个损失函数包括第一损失函数和第二损失函数,其中,所述第一损失函数的预测值为指数变化,所述第二损失函数的预测值为线性变化。
24、第三方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有程序,所述程序被处理器执行时实现如第一方面包括的任一所述的方法。
25、第四方面,本申请还提供了一种设备,包括存储器和处理器,所述存储器存储有程序,所述程序被所述处理器执行时实现如第一方面包括的任一所述的方法。
26、本申请实施例提供了一种图像分割方法、装置、计算机可读存储介质及设备,基于执行该图像分割方法,通过获取训练图像集,并将该训练图像集包括的样本图像输入图像分割模型进行图像分割处理,得到图像分割模型输出的预测值;而后获取图像分割模型的目标损失函数,将样本图像的预测值和样本图像对应的真实值输入目标损失函数,计算损失值;其中,所述目标损失函数从所述图像分割模型包括的多个损失函数确定;若损失值不满足预设条件,则根据损失值对图像分割模型的参数进行调整,并返回执行将训练图像集包括的样本图像输入图像分割模型进行图像分割处理的步骤;若损失值满足所述预设条件,则获取待分割图像,并将待分割图像输入图像分割模型,得到待分割图像的分割结果;本申请实施例中基于从所述图像分割模型包括的多个损失函数确定目标损失函数,图像分割模型对应设置有多个损失函数,在训练该图像分割模型时,可以针对不同情况,从该图像分割模型对应的多个损失函数中选择目标损失函数,如此基于该方法训练的图像分割模型提高了图像分割准确度,利用该图像分割模型处理得到的分割结果能够减少图像分割结果的偏差,从而提高了图像分割模型对图像的分割效果。
1.一种图像分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述方法,其特征在于,所述获取所述图像分割模型的目标损失函数,包括:
3.根据权利要求2所述方法,其特征在于,所述多个损失函数包括第一损失函数和第二损失函数,其中,所述第一损失函数的预测值为指数变化,所述第二损失函数的预测值为线性变化。
4.根据权利要求3所述方法,其特征在于,所述根据所述样本图像的预测值,从所述图像分割模型包括的多个损失函数中确定所述样本图像的预测值对应的所述目标损失函数,包括:
5.根据权利要求4所述方法,其特征在于,所述预设阈值为0.5。
6.一种图像分割装置,其特征在于,所述装置包括:
7.根据权利要求6所述装置,其特征在于,所述计算模块,具体用于:
8.根据权利要求6所述装置,其特征在于,所述多个损失函数包括第一损失函数和第二损失函数,其中,所述第一损失函数的预测值为指数变化,所述第二损失函数的预测值为线性变化。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1-5任一所述的方法。
10.一种设备,其特征在于,包括存储器和处理器,所述存储器存储有程序,所述程序被所述处理器执行时实现如权利要求1-5任一所述的方法。