[发明专利]图像分割方法、装置、计算机设备和存储介质

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括：

将包含至少一个目标对象的图像输入训练好的神经网络模型，获得具有预设数量个通道的特征图，其中，所述预设数量大于等于图像中目标对象的最大可能数量，所述特征图的每个通道对应不同的至多一个目标对象，对于对应了一个第一目标对象的特征图通道，该特征图通道中有与所述第一目标对象对应的第一区域，所述第一区域与所述第一目标对象在所述图像中的所占区域相对应；所述第一目标对象为所述图像中的任一目标对象；

根据所述特征图的通道得到所述图像的分割结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取包含至少一个目标对象的训练图像；

对所述训练图像中的各个目标对象所占的区域分别进行标注，根据标注的训练图像生成标注特征图，所述标注特征图具有预设数量个通道，标注特征图的每个通道对应不同的至多一个目标对象，对于对应了一个第二目标对象的标注特征图通道，该标注特征图通道中有与所述第二目标对象对应的第二区域，所述第二区域与所述第二目标对象在所述训练图像中的所占区域相对应；所述第二目标对象为所述训练图像中的任一目标对象；

采用所述训练图像和标注特征图对神经网络模型进行训练，得到训练好的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述采用所述训练图像和标注特征图对神经网络模型进行训练，得到训练好的神经网络模型，包括：

将所述训练图像输入神经网络模型，获得训练特征图；

根据训练特征图和标注特征图，计算神经网络模型的损失函数值；

基于所述损失函数值对所述神经网络模型的参数进行更新，得到训练好的神经网络模型。

4.根据权利要求2所述的方法，其特征在于，所述对所述训练图像中的各个目标对象分别所占的区域进行标注，根据标注的训练图像生成得到标注特征图，包括：

对所述训练图像中的各个目标对象所占的区域分别进行标注，根据标注的训练图像中各个目标对象所占区域的位置对所述训练图像中的各个目标对象编号，目标对象和与其具有相同编号的所述标注特征图的通道对应，对于对应了一个第二目标对象的标注特征图通道，将该标注特征图的通道中坐标与第二目标对象在所述训练图像中所占区域的坐标相对应的区域作为第二区域，令所述第二区域像素值为第一预设值，该标注特征图通道中除第二区域以外的其他区域的像素值为第二预设值，从而得到标注特征图。

5.根据权利要求4所述的方法，其特征在于，根据各个目标对象在所述训练图像中所占区域的位置对所述训练图像中的各个目标对象编号，包括：

构建坐标系，以训练图像的长和宽中基本与目标对象矗立方向垂直的方向为坐标轴；

获取所述训练图像中每一目标对象对应的坐标；

按照所述训练图像中每一目标对象对应的坐标数值大小对所述训练图像中每一目标对象顺序编号。

6.根据权利要求1所述的方法，其特征在于，若所述图像为自拍图像，则所述特征图的通道的预设数量不大于4。

7.根据权利要求1所述的方法，其特征在于，所述特征图的每个通道与所述图像尺寸相同，所述第一区域与第一目标对象在所述图像中所占区域的位置对应且所占面积相同。

8.根据权利要求1所述的方法，其特征在于，根据所述特征图的通道得到所述图像的分割结果，包括：

根据所述特征图的各个通道的二值化图像分割所述图像，得到所述图像的分割结果。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述神经网络模型包含柔性最大层softmax，

所述softmax层用于计算输入所述softmax层的特征向量属于某一的目标对象的概率，所述特征向量属于某一的目标对象的概率被用于确定所述特征图中各位置的像素值。