[发明专利]图像分割方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种基于改进型YOLOv3模型的图像分割方法，其特征在于，所述方法包括：

对预设YOLOv3模型进行U形扩展，得到一包含U形采样单元的改进型YOLOv3模型，其中所述U形采样单元包括下采样网络及上采样网络，所述下采样网络与所述上采样网络之间进行跳层连接，所述下采样网络由所述预设YOLOv3模型的Darknet53网络构成，所述上采样网络由所述预设YOLOv3模型中的多个上采样模块串接而成；

利用预设训练样本集的样本图像对所述改进型YOLOv3模型进行训练，得到图像分割模型；及

利用所述图像分割模型对待处理图像进行图像分割处理。

2.如权利要求1所述的方法，其特征在于，所述下采样网络与所述上采样网络之间还连接有一卷积-标准化线性模块，所述卷积-标准化线性模块包括五个串接的卷积-标准化线性单元，所述卷积-标准化线性单元由一卷积层、一批标准化层及一泄露修正线性层组成。

3.如权利要求2所述的方法，其特征在于，所述下采样网络所包含的残差模块数量与所述上采样网络所包含的上采样模块数量相等。

4.如权利要求3所述的方法，其特征在于，所述下采样网络包括一卷积-标准化线性单元及N个残差模块，所述上采样网络包括N个上采样模块，所述下采样网络的卷积-标准化线性单元的输出端跳层连接至第N上采样模块，第一残差模块至第N-1残差模块的输出端分别跳层连接至第N-1上采样模块至第一上采样模块，第N残差模块通过所述卷积-标准化线性模块连接至所述第一上采样模块。

5.如权利要求1-4任意一项所述的方法，其特征在于，所述利用预设训练样本集的样本图像对所述改进型YOLOv3模型进行训练，包括：

将所述预设训练样本集的样本图像划分为训练集及测试集；

利用所述训练集对所述改进型YOLOv3模型进行训练；

利用所述测试集对训练完成的改进型YOLOv3模型进行测试，并根据每一测试结果统计得到一模型分割准确率；

判断所述模型分割准确率是否大于预设阈值；

若所述模型分割准确率大于所述预设阈值，则将训练完成的改进型YOLOv3模型作为所述图像分割模型。

6.如权利要求5所述的方法，其特征在于，所述将所述预设训练样本集的样本图像划分为训练集及测试集之前，包括：

对所述预设训练样本集的每一样本图像进行随机预处理及归一化处理；

其中所述预处理包括以下一种处理方式：对样本图像进行垂直翻转处理，对样本图像进行水平翻转处理，对样本图像进行垂直与水平翻转处理，对样本图像不进行翻转处理。

7.如权利要求1-4任意一项所述的方法，其特征在于，所述改进型YOLOv3模型的损失函数为二进制交叉熵损失函数。

8.一种基于改进型YOLOv3模型的图像分割装置，其特征在于，所述装置包括：

扩展模块，用于对预设YOLOv3模型进行U形扩展，得到一包含U形采样单元的改进型YOLOv3模型，其中所述U形采样单元包括下采样网络及上采样网络，所述下采样网络与所述上采样网络之间进行跳层连接，所述下采样网络由所述预设YOLOv3模型的Darknet53网络构成，所述上采样网络由所述预设YOLOv3模型中的多个上采样模块串接而成；

训练模块，用于利用预设训练样本集的样本图像对所述改进型YOLOv3模型进行训练，得到图像分割模型；及

处理模块，用于利用所述图像分割模型对待处理图像进行图像分割处理。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的基于改进型YOLOv3模型的图像分割方法。

10.一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，其中，所述程序被处理器执行时实现如权利要求1-7中任一项所述的基于改进型YOLOv3模型的图像分割方法。