[发明专利]一种用于小尺度相似结构的语义分割方法及系统

说明书

本发明公开了一种用于小尺度相似结构的语义分割方法及系统，涉及神经网络技术领域。该方法包括：获取待分割图像的步骤；将待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤；根据关键点对分割结果进行处理的步骤。本发明适用于小尺度相似结构的语义分割，通过根据小尺度相似结构影像的特点设计特征提取网络结构，对小尺度相似结构进行区域分割和关键点提取，充分利用了影像信息和关键点信息，从而提高分割精度。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种用于小尺度相似结构的语义分割方法及系统。

背景技术

深度学习网络在各个领域的应用越来越多，目前，可以使用深度学习网络实现图像检测、参数预测、图像识别等目的，这些都基于语义分割实现。

然而，对于小尺度且结构较为相似的结构，现有的语义分割方法没有考虑其结构特点，分割准确率不高，常容易将非目标的对象进行区域分割，容易出现误判，导致影响后续的功能实现。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种用于小尺度相似结构的语义分割方法及系统。

本发明解决上述技术问题的技术方案如下：

一种用于小尺度相似结构的语义分割方法，包括：

获取待分割图像的步骤；

将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点的步骤；

根据所述关键点对所述分割结果进行处理的步骤。

本发明解决上述技术问题的另一种技术方案如下：

一种用于小尺度相似结构的语义分割系统，包括：采集设备、处理设备和显示设备，其中：

所述采集设备用于获取待分割图像；

所述处理设备用于将所述待分割图像输入到卷积神经网络得到小尺度相似结构的分割结果和关键点；并根据所述关键点对所述分割结果进行处理；

所述显示设备用于显示所述待分割图像的分割结果。

本发明的有益效果是：本发明提供的方法及系统，适用于小尺度相似结构的语义分割，通过根据小尺度相似结构影像的特点设计特征提取网络结构，对小尺度相似结构进行区域分割和关键点提取，充分利用了影像信息和关键点信息，从而提高分割精度。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明方法的实施例提供的流程示意图；

图2为本发明方法的实施例提供的脊椎分割结果示意图，a为关键点示意图，b为分割区域示意图；

图3为本发明方法的其他实施例提供的卷积神经网络结构示意图；

图4为本发明方法的其他实施例提供的用于测量骨密度的卷积神经网络结构流程示意图；

图5为本发明系统的实施例提供的结构框架示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明方法的实施例提供的流程示意图，该方法用于提高小尺度相似结构的语义分割准确性，包括：

S1获取待分割图像。