[发明专利]基于多模型融合的图像标注方法、装置、计算机设备及存储介质

权利要求书

1.一种基于多模型融合的图像标注方法，其特征在于，包括：

获取待标注图像并对所述待标注图像进行预处理以得到若干实例图像；

将各所述实例图像输入基于DenseNet网络的分类模型进行二分类；

将所述若干实例图像对应的二分类结果拼接以获取分类结果图像；

将各所述实例图像输入基于Vnet网络和FPN网络的分割模型进行二值化分割；

将所述若干实例图像对应的二值化分割结果拼接以获取分割结果图像；

根据所述分类结果图像和所述分割结果图像计算二值化的融合图像；

提取所述融合图像的轮廓，并根据所述轮廓标注所述待标注图像中的感兴趣区域。

2.如权利要求1所述的基于多模型融合的图像标注方法，其特征在于，所述将各所述实例图像输入基于DenseNet网络的分类模型进行二分类，具体包括：

若基于DenseNet网络的分类模型预测所述实例图像存在感兴趣区域，所述实例图像对应的二分类结果为第一值区块；

若基于DenseNet网络的分类模型预测所述实例图像不存在感兴趣区域，所述实例图像对应的二分类结果为第二值区块。

3.如权利要求2所述的基于多模型融合的图像标注方法，其特征在于，所述将各所述实例图像输入基于Vnet网络和FPN网络的分割模型进行二值化分割，具体包括：

将所述实例图像输入所述分割模型的Vnet网络；

基于所述Vnet网络对所述实例图像依次进行非线性激活、若干次下采样和若干次上采样处理；

基于所述分割模型的FPN网络，根据各所述上采样处理的结果输出二值化分割的结果。

4.如权利要求3所述的基于多模型融合的图像标注方法，其特征在于，若所述分割模型预测所述实例图像存在感兴趣区域，所述二值化分割的结果中与所述感兴趣区域对应的区域为第一值区域；

若所述分割模型预测所述实例图像存在非感兴趣区域，所述二值化分割的结果中与所述非感兴趣区域对应的区域为第二值区域。

5.如权利要求4所述的基于多模型融合的图像标注方法，其特征在于，所述根据所述分类结果图像和所述分割结果图像计算二值化的融合图像，具体包括：

将所述分类结果图像与所述分割结果图像取交集，以得到所述二值化的融合图像。

6.如权利要求5所述的基于多模型融合的图像标注方法，其特征在于，所述将所述分类结果图像与所述分割结果图像取交集，以得到所述二值化的融合图像，具体包括：

若所述分类结果图像中为第一值的像素在所述分割结果图像中也为第一值，将所述融合图像中相应的像素设为第一值；

若所述分类结果图像中的像素为第二值，将所述融合图像中相应的像素设为第二值；

若所述分割结果图像中的像素为第二值，将所述融合图像中相应的像素设为第二值。

7.如权利要求5所述的基于多模型融合的图像标注方法，其特征在于，所述将所述分类结果图像与所述分割结果图像取交集之前，还包括：

将所述分类结果图像中的第一值区块进行膨胀；

所述将所述分类结果图像与所述分割结果图像取交集，以得到所述二值化的融合图像，具体包括：

将所述膨胀后的分类结果图像与所述分割结果图像取交集，以得到所述二值化的融合图像。