[发明专利]对象分割方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种对象分割方法、装置、计算机设备及存储介质，其中方法包括：获取样本图像和样本分割图像，样本分割图像是对样本图像中的目标对象进行分割标注得到的；调用分割网络模型对样本图像进行对象分割处理，并将对象分割处理过程中所提取得到的中间特征输入至宽度感知模型中；调用宽度感知模型根据中间特征生成预测中心线距离图，调用宽度感知模型根据样本分割图像中的目标对象的线条中心线，计算得到基准中心线距离图；根据预测中心线距离图和基准中心线距离图之间的差异，对分割网络模型进行模型训练。本发明实施例可以更好地对分割网络模型进行模型训练，使得训练后的分割网络模型具有宽度感知能力，提升模型鲁棒性。

技术领域

本申请涉及互联网技术领域，具体涉及图像处理技术领域，尤其涉及一种对象分割方法、一种对象分割装置、一种计算机设备及一种计算机存储介质。

背景技术

在图像处理技术领域中，图像分割技术是一个尤其重要的研究课题；所谓的图像分割技术是指调用分割网络模型将图像中的一个或多个对象分割出来的技术，此处的图像可以是：包含动静脉的眼底图像、包含不同宽度的道路的地图图像、包含手势的手势图，包含至少一个人物的人物图像，等等。以眼底图像为例，分割网络模型的分割原理大致如下：对该眼底图像中的每个像素点进行特征提取，根据提取到的特征确定每个像素点的类别，从而根据每个像素点的类别从眼底图像中分割出动脉血管像素和静脉血管像素，得到分割图像。

尽管在眼底图像中视网膜血管仅占很小的比例，但是血管网络的形态是多种多样的；树状的血管网络有许多坚固的茎和细小的分支，其宽度大小各不相同。虽然动脉血管中的氧气更多，看起来比静脉血管要亮；但是，动脉血管却比静脉血管要细。因此，血管宽度(即动脉血管核静脉血管的宽度)应当是对动脉血管和静脉血管进行分割的重要特征。然而，基于上述的分割原理可知，现有的分割网络模型并不具备宽度感知能力，其无法通过感知血管宽度来进行对象分割，这样可能会导致分割结果的准确性较低。基于此，如何通过模型训练得到具备宽度感知能力的分割网络模型，于后续对眼底图像这一类特殊图像(即包含呈线条状的至少两个对象且各对象的线条宽度不同的图像)进行对象分割处理的准确性尤其重要。

发明内容

本发明实施例提供了一种对象分割方法、装置、计算机设备及存储介质，可以更好地对分割网络模型进行模型训练，使得训练后的分割网络模型具有宽度感知能力，提升模型鲁棒性。

一方面，本发明实施例提供了一种对象分割方法，所述方法包括：

获取样本图像和样本分割图像，所述样本图像包括线条状的第一对象和线条状的第二对象，且所述第一对象的宽度和所述第二对象的宽度不同；所述样本分割图像是对所述样本图像中的目标对象进行分割标注得到的，所述目标对象包括以下至少一项：所述第一对象和所述第二对象；

调用分割网络模型对所述样本图像进行对象分割处理，并将对象分割处理过程中所提取得到的中间特征输入至宽度感知模型中；

调用所述宽度感知模型根据所述中间特征生成预测中心线距离图，所述预测中心线距离图用于反映所述目标对象的预测宽度；

调用所述宽度感知模型根据所述样本分割图像中的所述目标对象的线条中心线，计算得到基准中心线距离图；所述基准中心线距离图用于反映所述目标对象的基准宽度；

根据所述预测中心线距离图和所述基准中心线距离图之间的差异，对所述分割网络模型进行模型训练；模型训练后的分割网络模型用于对目标图像进行对象分割处理，所述目标图像包括至少两个线条状且宽度不同的对象。

另一方面，本发明实施例提供了一种对象分割装置，所述装置包括：

获取单元，用于获取样本图像和样本分割图像，所述样本图像包括线条状的第一对象和线条状的第二对象，且所述第一对象的宽度和所述第二对象的宽度不同；所述样本分割图像是对所述样本图像中的目标对象进行分割标注得到的，所述目标对象包括以下至少一项：所述第一对象和所述第二对象；