图像实例分割优化处理方法、装置和计算机设备制造方法及图纸

本申请涉及一种图像实例分割优化处理方法、装置和计算机设备。所述方法包括：获取图像实例分割任务，所述图像实例分割任务携带待分割图像以及模型标识；对所述模型标识对应的实例分割模型进行解析，得到所述实例分割模型对应的原模型网络；调用预设子网络，根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络；对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型；将所述待分割图像输入至所述剪枝处理后的实例分割模型，对所述待分割图像进行预测运算，得到图像实例分割结果。采用本方法能够减少不必要的计算时间消耗。

【技术实现步骤摘要】
图像实例分割优化处理方法、装置和计算机设备
本申请涉及计算机
，特别是涉及一种图像实例分割优化处理方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术的发展，图像处理技术得到了广泛应用。作为图像处理技术中一个新分支的图像实例分割，受到广泛关注。图像实例分割是指从图像中用目标检测方法框出不同实例，再用语义分割方法在不同实例区域内进行像素标记，即实例分割是目标检测与语义分割的结合。图像实例分割既需要对图像的所有对象进行正确的识别与检测，又需要对每个实例进行精确地分割。传统方式中，实例分割效率最高的一种实现方式是通过YOLACT(YouOnlyLookAtCoefficienTs，只考虑系数)实例分割模型对图像进行实例分割。然而，传统方式中，YOLACT实例分割模型中部分子网络的网络结构较大，导致图像实例分割的计算量较大，导致不必要的计算时间消耗。因此，如何通过优化传统的YOLACT实例分割模型以减少不必要的计算时间消耗成为目前需要解决的一个技术问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够通过优化传统的YOLACT实例分割模型以减少不必要的时间消耗的图像实例分割优化处理方法、装置、计算机设备和存储介质。一种图像实例分割优化处理方法，所述方法包括：获取图像实例分割任务，所述图像实例分割任务携带待分割图像以及模型标识；对所述模型标识对应的实例分割模型进行解析，得到所述实例分割模型对应的原模型网络；调用预设子网络，根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络；对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型；将所述待分割图像输入至所述剪枝处理后的实例分割模型，对所述待分割图像进行预测运算，得到图像实例分割结果。在其中一个实施例中，所述对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型包括：获取与所述预设子网络对应的通道缩放因子；根据所述通道缩放因子将所述目标模型网络中所述预设子网络的网络通道进行排列；对所述排列后的网络通道进行剪枝处理，得到剪枝处理后的实例分割模型。在其中一个实施例中，所述根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络包括：根据所述预设子网络在所述原模型网络中确定待更换子网络；将所述预设子网络对所述待更换子网络进行更换，得到目标模型网络。在其中一个实施例中，在根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络之后，还包括：获取训练图像集；通过所述训练图像集对所述目标模型网络进行训练，直至满足第一训练条件，得到第一模型网络。在其中一个实施例中，在所述获取训练图像集之后，还包括：对所述训练图像集进行预处理，得到预处理后的训练图像集；通过第一训练策略以及所述预处理后的训练图像集对所述目标模型网络进行训练。在其中一个实施例中，在根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络之后，还包括：对所述目标模型网络进行正则化处理，得到正则化处理后的目标模型网络；获取训练图像集；通过第二训练策略以及所述训练图像集对所述正则化处理后的目标模型网络进行稀疏化训练，直至满足第二训练条件，得到第二模型网络。在其中一个实施例中，对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型之后，还包括：将所述剪枝处理后的实例分割模型中的正则化部分进行过滤；获取训练图像集；根据所述训练图像集对所述过滤后的实例分割模型进行调整，直至满足预设条件。一种图像实例分割优化处理装置，所述装置包括：获取模块，用于获取图像实例分割任务，所述图像实例分割任务携带待分割图像以及模型标识；解析模块，用于对所述模型标识对应的实例分割模型进行解析，得到所述实例分割模型对应的原模型网络；更换模块，用于调用预设子网络，根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络；剪枝模块，用于对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型；预测模块，用于将所述待分割图像输入至所述剪枝处理后的实例分割模型，对所述待分割图像进行预测运算，得到图像实例分割结果。在其中一个实施例中，所述剪枝模块还用于获取与所述预设子网络对应的通道缩放因子；根据所述通道缩放因子将所述目标模型网络中所述预设子网络的网络通道进行排列；对所述排列后的网络通道进行剪枝处理，得到剪枝处理后的实例分割模型。在其中一个实施例中，所述更换模块还用于根据所述预设子网络在所述原模型网络中确定待更换子网络；将所述预设子网络对所述待更换子网络进行更换，得到目标模型网络。一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。上述图像实例分割优化处理方法、装置、计算机设备和存储介质，获取图像实例分割任务，图像实例分割任务携带待分割图像以及模型标识。通过对模型标识对应的实例分割模型进行解析，得到实例分割模型，从而调用预设子网络对原模型网络进行更换，并对预设子网络进行剪枝处理。进而通过剪枝处理后的实例分割模型对待分割图像进行预测运算，得到图像实例分割结果。由于原模型网络中部分子网络的网络结构较大，通过预设子网络进行网络更换以及剪枝处理，减小了原模型网络的网络结构，同时减少了网络结构中的网络通道数量，从而有效减少了图像实例分割的计算量，减少了不必要的计算时间消耗，从而进一步提高了图像的实例分割效率，另外，也降低了模型占用的存储空间。附图说明图1为一个实施例中图像实例分割优化处理方法的应用环境图；图2为一个实施例中图像实例分割优化处理方法的流程示意图；图3为一个实施例中对目标模型网络中的预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型步骤的流程示意图；图4为一个实施例中优化后的YOLACT实例分割模型与经典的YOLACT实例分割模型的结果对比示意图；图5为一个实施例中图像实例分割优化处理装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的图像实例分割优化处理方法，可以应用于终端，也可以应用于服务器。以应用于服务器为例进行说明，可以应用于如图1所示的应用环境中。终端102与服务器104通过网络进行连接。服务器104获取终端102上传的图像实例分割任务，图像实例分割本文档来自技高网...

【技术保护点】
1.一种图像实例分割优化处理方法，其特征在于，所述方法包括：/n获取图像实例分割任务，所述图像实例分割任务携带待分割图像以及模型标识；/n对所述模型标识对应的实例分割模型进行解析，得到所述实例分割模型对应的原模型网络；/n调用预设子网络，根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络；/n对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型；/n将所述待分割图像输入至所述剪枝处理后的实例分割模型，对所述待分割图像进行预测运算，得到图像实例分割结果。/n

【技术特征摘要】
1.一种图像实例分割优化处理方法，其特征在于，所述方法包括：
获取图像实例分割任务，所述图像实例分割任务携带待分割图像以及模型标识；
对所述模型标识对应的实例分割模型进行解析，得到所述实例分割模型对应的原模型网络；
调用预设子网络，根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络；
对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型；
将所述待分割图像输入至所述剪枝处理后的实例分割模型，对所述待分割图像进行预测运算，得到图像实例分割结果。


2.根据权利要求1所述的方法，其特征在于，所述对所述目标模型网络中的所述预设子网络进行剪枝处理，得到剪枝处理后的实例分割模型包括：
获取与所述预设子网络对应的通道缩放因子；
根据所述通道缩放因子将所述目标模型网络中所述预设子网络的网络通道进行排列；
对所述排列后的网络通道进行剪枝处理，得到剪枝处理后的实例分割模型。


3.根据权利要求1所述的方法，其特征在于，所述根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络包括：
根据所述预设子网络在所述原模型网络中确定待更换子网络；
将所述预设子网络对所述待更换子网络进行更换，得到目标模型网络。


4.根据权利要求1所述的方法，其特征在于，在根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络之后，还包括：
获取训练图像集；
通过所述训练图像集对所述目标模型网络进行训练，直至满足第一训练条件，得到第一模型网络。


5.根据权利要求4所述的方法，其特征在于，在所述获取训练图像集之后，还包括：
对所述训练图像集进行预处理，得到预处理后的训练图像集；
通过第一训练策略以及所述预处理后的训练图像集对所述目标模型网络进行训练。


6.根据权利要求1所述的方法，其特征在于，在根据所述预设子网络对所述原模型网络进行更换，得到目标模型网络之后，还包括：
对所述目标模型网络进行正则化处理，得到正则化处理后的目标模型网络；
获取训练图像集；...

【专利技术属性】
技术研发人员：张少林，宁欣，石园，刘江宽，支金林，
申请(专利权)人：北京市威富安防科技有限公司，
类型：发明
国别省市：北京;11