[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

说明书

本申请涉及图像检测领域，通过融合基于DenseNet网络的分类模型的二分类结果以及基于Vnet网络和FPN网络的分割模型的二值化分割结果，提升标注效果。具体公开了一种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，该方法包括：获取待标注图像并对待标注图像进行预处理以得到若干实例图像；将各实例图像输入基于DenseNet网络的分类模型进行二分类；将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；根据分类结果图像和分割结果图像计算二值化的融合图像；提取融合图像的轮廓以根据轮廓标注待标注图像中的感兴趣区域。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种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。

背景技术

在一些应用场景中，需要在图像中分割出感兴趣的目标区域；但是由于有些图像，如皮肤病变图像的细粒度变化，让系统自动对图像各区域进行分类十分困难。虽然现有的深度卷积神经网络(CNN)常被用于分类各种不同细粒度的对象，并且在多项任务中表现良好，但是仍存在准确率低的问题。

发明内容

本申请实施例提供一种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，能够较佳地实现对待标注图像中感兴趣区域的标注，标注的重合率、查准率较高。

第一方面，本申请提供了一种基于多模型融合的图像标注方法，所述方法包括：

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。

第二方面，本申请提供了一种基于多模型融合的图像标注装置，所述装置包括：

预处理模块，用于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；

二分类模块，用于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；

分类拼接模块，用于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；

二值化分割模块，用于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；

分割拼接模块，用于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；

融合模块，用于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；

标注模块，用于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。

第三方面，本申请提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现上述的基于多模型融合的图像标注方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，若所述计算机程序被处理器执行，实现上述的基于多模型融合的图像标注方法。