[发明专利]一种基于实例分割的模型优化训练方法及装置在审

专利信息
申请号: 202210188001.8 申请日: 2022-02-28
公开(公告)号: CN114627132A 公开(公告)日: 2022-06-14
发明(设计)人: 薛素金;杨焜 申请(专利权)人: 厦门农芯数字科技有限公司
主分类号: G06T7/10 分类号: G06T7/10;G06T7/00;G06K9/62;G06V10/774;F16M11/04;F16M11/18
代理公司: 深圳泛航知识产权代理事务所(普通合伙) 44867 代理人: 张智轶
地址: 361000 福建省厦门市集美区*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 实例 分割 模型 优化 训练 方法 装置
【说明书】:

发明公开了一种基于实例分割的模型优化训练方法及装置,包括模型优化控制台、实例图像分割模拟器、模型图像摄像头和图像模型检测模块,本发明通过设置的优化补缺模块,通过模型优化控制台调取数据储存器内部储存的实例分割图像,通过模型优化控制台内部的图像模型检测模块对调取的实例分割图像进行检测,并通过图像筛选处理模块筛选出像素、色彩饱和度、色相、亮度处于合适范围的实例分割图像作为待优化图像,一方面通过损失计算模块计算待优化图像所需优化数值,另一方面通过优化补缺模块对待优化图像缺失数值进行填补,优化后的模型图像通过图像传输模块在模型训练显示器二表示,以此方式达到对训练模型图像的优化效果。

技术领域

本发明属于图像识别技术领域,具体涉及一种基于实例分割的模型优化训练方法及装置。

背景技术

实例分割一直是计算机视觉领域十分重要且备受关注的问题与技术方法,其目标是给定一张图像,通过算法给出图像中所有目标对象的分割遮罩(SegmentationMask)和类别信息。随着电子信息技术的发展,图像数据已经在视频监控、医疗检查等诸多场景得到了应用。例如,在医疗检查场景中,CT(ComputedTomography,计算机断层扫描)图像,已经在辅助诊断、手术规划等临床实践中成为不可或缺的一部分。

现针对于现有技术的模型训练方法及装置提出以下问题:

1、在现实场景中,图像数据受限于设备硬件、使用条件等诸多因素,其图像质量有可能不甚理想。故此,有必要对图像进行优化,以提高图像质量。有鉴于此,如何提高图像优化质量成为极具研究价值的课题;

2、在训练模型拍摄时,需要调整摄像头的高度位置,现有技术的高度调节方式一般是通过人工手动对摄像头的高度进行调整,这种方式较为麻烦。

发明内容

本发明要解决的技术问题是克服现有的缺陷,提供一种基于实例分割的模型优化训练方法及装置,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:一种基于实例分割的模型优化训练方法及装置,包括模型优化控制台、实例图像分割模拟器、模型图像摄像头和图像模型检测模块,所述模型优化控制台两侧均设置有实例图像分割模拟器,所述模型优化控制台上表面贯穿设置有升降活动支架,所述升降活动支架中间位置设置有模型图像摄像头,所述模型图像摄像头的输出端和模型训练图像的输入端相互连接,所述模型训练图像的输出端和实例图像分割模拟器的输入端相互连接,所述实例图像分割模拟器的输出端和图像实例分割模块的输入端相互连接,所述图像实例分割模块的输出端和模型训练分割图像的输入端相互连接,所述模型训练分割图像的输出端和数据储存器的输入端相互连接,所述数据储存器设置在模型优化控制台内部,所述数据储存器的输出端和模型训练分割图像的输入端相互连接,所述模型训练分割图像的输出端和图像模型检测模块的输入端相互连接,所述图像模型检测模块的输出端与图像筛选处理模块的输入端相互连接,所述图像筛选处理模块的输出端和待优化图像的输入端相互连接。

优选的,所述待优化图像的输出端和损失计算模块的输入端相互连接,所述损失计算模块的输出端和优化补缺模块的输入端相互连接,所述优化补缺模块的输出端和优化图像的输入端相互连接。

优选的,所述优化图像的输出端和图像传输模块的输入端相互连接,所述图像传输模块的输出端和模型训练显示器二的输入端相互连接。

优选的,所述图像模型检测模块内部包含有像素检测模块、色彩饱和度检测模块、色相检测模块和亮度检测模块。

优选的,所述模型优化控制台内部中间两侧分别固定连接有第一固定板和第二固定板,所述第一固定板和第二固定板中间转动连接有高度驱动螺杆,所述高度驱动螺杆外表面两侧设置有反向螺纹。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门农芯数字科技有限公司,未经厦门农芯数字科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210188001.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top