本申请涉及人工智能,尤其涉及一种图像分割模型的获取方法、设备及存储介质。
背景技术:
1、目前,随着人工智能技术的发展,图像分割已经广泛运用于各种场景,例如智慧医疗、生物信息、自动驾驶、工业工程等。不同应用场景往往对应着不同的图像分割需求,例如,医学影像场景中对精度要求极高,而速度要求较低,在人脸检测场景中,对精度要求并不高,但要求快速识别。并且,模型的运行需要先部署到到硬件中时,过小的图像分割模型不能充分利用硬件算力,造成资源浪费,过大的图像分割模型无法与硬件算力匹配,导致图像分割模型的实用性下降。如何兼顾图像分割需求和硬件资源配置,高效选择适配的图像分割模型是亟待解决的问题。
技术实现思路
1、本申请的主要目的在于提供一种图像分割模型的获取方法、设备及存储介质,旨在根据应用平台的硬件条件和图像分割需求得到多个候选图像分割模型,再根据图像分割需求从多个候选图像分割模型中进一步筛选确定目标图像分割模型,实现了硬件资源的合理配置,高度契合用户的图像分割需求,有效地提高了模型获取的准确性和用户的体验度。
2、第一方面,本申请提供一种图像分割模型的获取方法,所述方法包括:
3、获取图像分割需求和应用平台的硬件参数;
4、基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围;
5、根据所述计算量范围在预设搜索空间进行搜索,得到所述计算量范围内的多个候选图像分割模型;
6、获取所述多个候选图像分割模型的评价参数;
7、基于所述多个候选图像分割模型的评价参数和所述图像分割需求,筛选所述多个候选图像分割模型,确定所述目标图像分割模型。
8、第二方面,本申请还提供一种计算机设备,所述计算机设备包括存储器和处理器;
9、所述存储器,用于存储计算机程序;
10、所述处理器,用于执行所述的计算机程序并在执行所述的计算机程序时实现本申请实施例提供的任一项所述的图像分割模型的获取方法。
11、第三方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现本申请实施例提供的任一项所述的图像分割模型的获取方法。
12、本申请提供一种图像分割模型的获取方法、设备及存储介质,本申请的图像分割模型的获取方法包括:获取图像分割需求和应用平台的硬件参数;基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围;根据所述计算量范围在预设搜索空间进行搜索,得到所述计算量范围内的多个候选图像分割模型;获取所述多个候选图像分割模型的评价参数;基于所述多个候选图像分割模型的评价参数和所述图像分割需求,筛选所述多个候选图像分割模型,确定所述目标图像分割模型。旨在根据应用平台的硬件条件和图像分割需求得到多个候选图像分割模型,再根据图像分割需求从多个候选图像分割模型中进一步筛选确定目标图像分割模型,实现了硬件资源的合理配置,高度契合用户的图像分割需求,有效地提高了模型获取的准确性和用户的体验度。
1.一种图像分割模型的获取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述图像分割需求包括模型运行需求,所述模型运行需求包括时效需求或精度需求,所述硬件参数至少包括算力值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围,包括:
4.根据权利要求2所述的方法,其特征在于,所述基于所述图像分割需求和所述硬件参数确定目标图像分割模型的计算量范围,包括:
5.根据权利要求3或4所述的方法,其特征在于,所述第一阈值为所述图像分割模型正常运行时的标准计算量,所述标准计算量的数值小于所述算力值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述计算量范围在预设搜索空间进行搜索,得到所述计算量范围内的多个候选图像分割模型,包括;
7.根据权利要求6所述的方法,其特征在于,所述图像分割模型包括跨阶段跳跃连接的编码器和解码器网络,所述编码器包括多个第一卷积阶段,所述解码器包括多个第二卷积阶段,每一跳跃连接层在每一所述第一卷积阶段与对应每一所述第二卷积阶段之间;
8.根据权利要求1所述的方法,其特征在于,所述评价参数至少包括第一评价参数和第二评价参数,所述第一评价参数用于评价模型处理的时长,所述第二评价参数用于评价模型计算的精确度;
9.根据权利要求8所述的方法,其特征在于,所述基于所述多个候选图像分割模型的评价参数和所述图像分割需求,筛选所述多个候选图像分割模型,确定所述目标图像分割模型,包括:
10.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;
11.一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存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如权利要求1至9中任一项所述的图像分割模型的获取方法。