[发明专利]图像分割模型的训练样本的标记方法、训练方法及装置

说明书

本申请提供了一种图像分割模型的训练样本的标记方法、训练方法及装置，该图像分割模型的训练样本的标记方法包括：对待标记图像的目标区域进行粗标记，以得到粗标记图像；基于粗标记图像执行填洞操作，以得到标记图像，其中，标记图像和待标记图像为图像分割模型的训练样本。本申请的技术方案能够提高图像分割模型的鲁棒性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像分割模型的训练样本的标记方法、训练方法及装置。

背景技术

图像分割技术可以将图像划分成若干个特定的、具有独特性质的区域，从而可以将用户感兴趣的目标从背景中分割出来，以便用户对目标进行观察和分析。基于深度学习模型的图像分割技术具有较高的效率和鲁棒性，因此具有广泛的应用前景。但是，深度学习模型的分割效果受训练样本的标记质量的影响，而现有的标记方法难以获得高质量的训练样本。

发明内容

有鉴于此，本申请实施例提供了一种图像分割模型的训练样本的标记方法及装置、图像分割模型的训练方法及装置，能够提高图像分割模型的鲁棒性。

第一方面，本申请的实施例提供了一种图像分割模型的训练样本的标记方法，包括：对待标记图像的目标区域进行粗标记，以得到粗标记图像；基于粗标记图像执行填洞操作，以得到标记图像，其中，标记图像和待标记图像为图像分割模型的训练样本。

在本申请某些实施例中，基于粗标记图像执行填洞操作，以得到标记图像，包括：对粗标记图像沿第一个方向的第一组切片、沿第二个方向的第二组切片、以及沿第三个方向的第三组切片中的至少一组切片进行二维填洞操作，以得到标记图像。

在本申请某些实施例中，基于粗标记图像执行填洞操作，以得到标记图像，包括：对粗标记图像进行三维填洞操作和/或二维填洞操作，以得到标记图像。

在本申请某些实施例中，基于粗标记图像执行填洞操作，以得到标记图像，包括：对粗标记图像进行轮廓修复，以得到轮廓闭合的图像；对轮廓闭合的图像的轮廓内的空洞部分进行二维填洞操作和/或三维填洞操作，以得到标记图像。

在本申请某些实施例中，对待标记图像的目标区域进行粗标记，以得到粗标记图像，包括：基于区域生长算法对待标记图像进行粗标记，以得到粗标记图像，或者，基于超像素算法对待标记图像进行粗标记，以得到粗标记图像，或者，将待标记图像输入深度学习模型进行分割，以得到粗标记图像。

在本申请某些实施例中，目标区域为骨骼区域，待标记图像为电子计算机断层扫描图像。

第二方面，本申请的实施例提供了一种图像分割模型的训练方法，包括：采用如第一方面所述的图像分割模型的训练样本的标记方法获取训练样本；利用训练样本对深度学习模型进行训练得到图像分割模型。

在本申请某些实施例中，第二方面的图像分割模型的训练方法，还包括：利用图像分割模型对原始图像进行分割，得到分割结果；将分割结果和原始图像作为新的样本更新图像分割模型。

第三方面，本申请的实施例提供了一种图像分割模型的训练样本的标记装置，包括：粗标记模块，用于对待标记图像的目标区域进行粗标记，以得到粗标记图像；填洞模块，用于基于粗标记图像执行填洞操作，以得到标记图像，其中，标记图像和待标记图像为图像分割模型的训练样本。

第四方面，本申请的实施例提供了一种图像分割模型的训练装置，包括：获取模块，用于采用如第一方面所述的图像分割模型的训练样本的标记方法获取训练样本；训练模块，用于利用训练样本对深度学习模型进行训练得到图像分割模型。

第五方面，本申请的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面所述的图像分割模型的训练样本的标记方法或第二方面所述的图像分割模型的训练方法。