[发明专利]图像分割模型的训练方法、电子设备及存储介质

权利要求书

1.一种图像分割模型的训练方法，其特征在于，包括：

获取包括待分割物体的待分割图像及所述待分割物体的真实轮廓的训练样本集；

通过卷积神经网络模型对所述训练样本集的待分割图像进行处理，获得所述待分割物体的预测轮廓；

获得所述预测轮廓的水平集函数和所述真实轮廓的水平集函数；

根据所述预测轮廓的水平集函数和所述真实轮廓的水平集函数确定角度保真损失函数，所述角度保真损失函数用于控制所述预测轮廓和所述真实轮廓之间的曲线角度贴合度；

根据所述角度保真损失函数确定目标损失函数；

根据所述目标损失函数训练所述训练样本集获得图像分割模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述预测轮廓的水平集函数和所述真实轮廓的水平集函数确定角度保真损失函数的步骤，包括：

根据所述预测轮廓的水平集函数获得所述预测轮廓的能量梯度下降方向；

根据所述真实轮廓的水平集函数获得所述真实轮廓的能量梯度下降方向；

根据所述预测轮廓的水平集函数的能量梯度下降方向和所述真实轮廓的水平集函数的能量梯度下降方向确定所述角度保真损失函数。

3.根据权利要求1或2所述的方法，其特征在于，所述角度保真损失函数根据以下公式确定：

其中，l_direction(θ)为所述角度保真损失函数，为所述待分割物体的真实轮廓上的像素点的能量下降梯度方向，为所述待分割物体的预测轮廓上的像素点的能量下降梯度方向。

4.根据权利要求3所述的方法，其特征在于，根据以下公式确定

其中，φ_gt(p)为所述待分割物体的真实轮廓上的像素点p的水平集函数；

根据以下公式确定

其中，φ_pred(p)为所述待分割物体的预测轮廓上的像素点p的水平集函数。

5.根据权利要求2所述的方法，其特征在于，所述根据所述角度保真损失函数确定目标损失函数的步骤，包括：

根据所述预测轮廓的水平集函数和所述真实轮廓的水平集函数的差值确定曲线初始化损失函数；

根据所述预测轮廓的水平集函数得到所述预测轮廓的水平集演化函数，并根据所述预测轮廓的水平集演化函数和所述真实轮廓，得到曲线演化损失函数；

根据所述角度保真损失函数、所述曲线初始化损失函数和所述曲线演化损失函数确定所述目标损失函数。

6.根据权利要求1所述的方法，其特征在于，所述获取包括待分割物体的待分割图像及所述待分割物体的真实轮廓的训练样本集的步骤，进一步包括：

获得所述真实轮廓的多个极值点，并以所述真实轮廓的多个极值点为中心生成高斯热力图；

将所述高斯热力图和所述待分割图像进行图层合并以更新所述训练样本集的待分割图像。

7.根据权利要求6所述的方法，其特征在于，所述获得所述真实轮廓的多个极值点的步骤，包括：

获得所述真实轮廓的各点坐标，以获得所述真实轮廓的最上、最下、最左和最右的四个所述极值点。

8.一种图像分割模型的训练方法，其特征在于，包括：

获取包括待分割物体的待分割图像及所述待分割物体的真实轮廓的训练样本集；

获得所述真实轮廓的多个极值点，并以所述真实轮廓的多个极值点为中心生成高斯热力图；

将所述高斯热力图和所述待分割图像进行图层合并更新所述训练样本集的待分割图像；

通过卷积神经网络模型对更新后的所述训练样本集的待分割图像进行处理，获得所述待分割物体的预测轮廓；

根据基于所述预测轮廓和所述真实轮廓的得到的目标损失函数训练获得图像分割模型。