买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中科南京人工智能创新研究院

摘要：本发明提出一种基于框标注的弱监督图像分割方法，所述图像分割方法可分为三个步骤：步骤1、初始化输入；步骤2、深度学习模型；步骤3、规范化输出。所述步骤1中的初始化输入是完成图像转换为深度学习数据；所述步骤2中的深度学习模型是依据深度学习原理，具体为通过堆叠卷积计算，池化计算以及各类激活函数实现一个复杂的深度学习模型结构，最终搭建一个端到端的图像分割模型；所述步骤3中的规范化输出分为两阶段：训练阶段和应用阶段，训练阶段和应用阶段不同点在于在规范化输出中对深度学习模型的计算结果进行不同处理方式，以达到训练模型的效果和现实应用的功能。

主权项：1.一种基于框标注的弱监督图像分割方法，其特征在于，包括如下步骤：步骤1、初始化输入：完成图像转换为深度学习数据；步骤2、建立深度学习模型：搭建一个端到端的图像分割模型；步骤3、规范化输出：输出对深度学习模型的计算结果；所述规范化输出包括训练阶段和应用阶段，其中：所述训练阶段的图像分割处理方具体步骤为：步骤31、将目标框的标注转换为图像表示，其中目标框内的区域设置为1，框外区域设置为0；步骤32、采用三种方法来指导模型学习目标框提供的目标信息，三种指导方法分别是向量指导、点指导和平面指导；步骤33、统合三个指导方法带来的误差和损失，根据梯度反向传播原理，将误差和损失层层传递到各个深度学习的基础计算操作中，再经过梯度下降法，使各基础计算操作的参数向更优的方向收敛，逐渐减小误差和损失，使模型达到最优的性能和最好的结果；所述向量指导方法指导模型学习目标框提供的目标信息具体实现为：将目标框在原图像上进行向量投影，分别做横向和纵向的投影，投影的方法是取各方向上的最大值，具体计算方法如下：lx＝Vectxl＝maxxl；ly＝Vectyl＝maxyl；通过这种投影方式，将二维的目标标注映射到一维的目标指导信息；然后本文采用同样的方法，将之前的深度学习模型的计算结果映射相应的横向和纵向的预测向量；之后本文将横向和纵向的目标指导信息与其相应的预测向量来计算各自的误差，损失函数采用二元交叉熵或者Dice损失： 点指导方法是对某个或多个点提供明确的指导信息，使模型在这些点的指导信息中学习具体的目标特征，在训练中加强模型对这些点的重视程度，即分别对框内和框外的预测图取最小值和最大值，并使它们两个值趋于背景类0值，其损失计算公式如下： 平面指导方法具体为：首先在原图像上计算每个像素对的颜色相似度，将颜色相似的像素对当作正样本，颜色相似度计算如下： 然后对预测掩码使用相同的方法计算概率相似度，概率相似度计算如下： 最后使正样本的概率相似度趋于一致，平面指导的损失计算如下： 所述应用阶段直接使用本文训练的模型进行推理，然后对于推理的结果进行色彩填充，色彩填充的方法：将推理得到的预测概率分布到[0,255]，以符合图像像素的显示要求。

全文数据：

权利要求：

百度查询： 中科南京人工智能创新研究院 一种基于框标注的弱监督图像分割方法