[发明专利]边缘提取方法、装置、电子设备及存储介质

权利要求书

1.一种边缘提取方法，其特征在于，包括：

获取目标待提取图像；

将所述目标待提取图像输入至目标边缘提取模型中，得到与所述目标待提取图像对应的目标边缘掩膜图像；

其中，所述目标边缘提取模型基于下述方法训练得到：

获取样本初始待提取图像以及与所述样本初始待提取图像对应的样本初始边缘掩膜图像；

对所述样本初始待提取图像进行图像增强处理，得到目标尺寸的样本目标待提取图像，并对所述样本初始边缘掩膜图像进行图像增强处理，得到所述目标尺寸的样本目标边缘掩膜图像；

根据所述样本目标待提取图像以及与所述样本目标待提取图像对应的样本目标边缘掩膜图像对初始深度学习模型进行训练，得到目标边缘提取模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述样本初始待提取图像进行图像增强处理，得到目标尺寸的样本目标待提取图像，包括：

对所述样本初始待提取图像进行缩放处理，得到第一尺寸的样本初始待提取图像；

根据最近邻插值方法对所述第一尺寸的样本初始待提取图像进行插值处理，得到目标尺寸的样本目标待提取图像。

3.根据权利要求2所述的方法，其特征在于，所述对所述样本初始待提取图像进行缩放处理，包括：

根据预设尺寸变换范围分别对所述样本初始待提取图像进行长度和宽度进行缩放处理。

4.根据权利要求2所述的方法，其特征在于，在所述对所述样本初始待提取图像进行缩放处理之前，还包括：

对所述样本初始待提取图像进行锐化处理。

5.根据权利要求1所述的方法，其特征在于，所述对所述样本初始边缘掩膜图像进行图像增强处理，得到所述目标尺寸的样本目标边缘掩膜图像，包括：

对所述样本初始边缘掩膜图像进行缩放处理，得到第二尺寸的样本初始边缘掩膜图像；

根据最近邻插值方法对所述第二尺寸的样本初始边缘掩膜图像进行插值处理，得到目标尺寸的样本目标边缘掩膜图像。

6.根据权利要求5所述的方法，其特征在于，在所述对所述样本初始边缘掩膜图像进行缩放处理之前，还包括：

对所述样本初始边缘掩膜图像进行膨胀处理；

在所述根据最近邻插值方法对所述第二尺寸的样本初始边缘掩膜图像进行插值处理之后，所述得到目标尺寸的样本目标边缘掩膜图像之前，还包括：

对所述样本初始边缘掩膜图像进行细化处理。

7.根据权利要求1所述的方法，其特征在于，所述初始深度学习模型包括至少两个边缘提取层；

所述根据所述样本目标待提取图像以及与所述样本目标待提取图像对应的样本目标边缘掩膜图像对初始深度学习模型进行训练，得到目标边缘提取模型，包括：

将所述样本目标待提取图像输入至初始深度学习模型中，分别得到所述初始深度学习模型中每一个边缘提取层所输出的与所述样本目标待提取图像对应的层输出边缘掩膜图像；

根据每一个边缘提取层所输出的所述层输出边缘掩膜图像、与所述样本目标待提取图像对应的样本目标边缘掩膜图像以及所述初始深度学习模型的损失函数确定所述初始深度学习模型的目标损失；

基于所述目标损失对所述初始深度学习模型进行模型参数调整，以得到目标边缘提取模型。

8.根据权利要求7所述的方法，其特征在于，所述根据每一个边缘提取层所输出的所述层输出边缘掩膜图像、与所述样本目标待提取图像对应的样本目标边缘掩膜图像以及所述初始深度学习模型的损失函数确定所述初始深度学习模型的目标损失，包括：

针对每一个边缘提取层所输出的所述层输出边缘掩膜图像，根据所述初始深度学习模型的损失函数计算所述层输出边缘掩膜图像和与所述样本目标待提取图像对应的样本目标边缘掩膜图像之间的层输出损失；

根据各边缘提取层对应的层输出损失确定所述初始深度学习模型的初始损失，根据所述初始损失确定目标损失。