[發明專利]圖像分割模型的訓練方法、圖像分割方法、裝置及設備

有效

• 申請號: 202010464743.X
• 申請日: 2020-05-28
• 公開（公告）號: CN111369576B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 魏東;李航;曹世磊;馬鍇;王連生;鄭冶楓
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 張所明

1.一種圖像分割模型的訓練方法，其特征在于，所述方法包括：

獲取樣本圖像，所述樣本圖像是具有標注區域的圖像；

對所述樣本圖像進行超像素劃分，得到至少兩個超像素區域；

根據所述樣本圖像中的像素是否屬于所述標注區域，得到所述像素的硬標簽；

響應于所述像素所屬的超像素區域與所述標注區域之間存在交集像素，根據所述像素所屬的超像素區域與所述標注區域之間的位置關系，得到所述像素對應的軟標簽，所述軟標簽用于表征所述像素屬于所述標注區域的偽概率，所述位置關系包括如下關系中的至少一種：所述超像素區域的全部區域與所述標注區域之間存在所述交集像素和所述超像素區域的部分區域與所述標注區域之間存在所述交集像素；

響應于所述像素所屬的超像素區域與所述標注區域之間不存在所述交集像素，確定所述像素對應的第二硬標簽，所述第二硬標簽用于指示所述像素位于所述標注區域外；將所述第二硬標簽作為所述像素的軟標簽；

根據所述像素的硬標簽和所述像素的軟標簽，訓練所述圖像分割模型。

2.根據權利要求1所述的方法，其特征在于，所述響應于所述像素所屬的超像素區域與所述標注區域之間存在交集像素，根據所述像素所屬的超像素區域與所述標注區域之間的位置關系，得到所述像素對應的軟標簽，包括：

響應于所述超像素區域的部分區域與所述標注區域之間存在所述交集像素，確定所述像素在所述樣本圖像中的像素位置；

計算所述像素位置與所述標注區域的邊界之間的最小距離；

根據所述最小距離計算所述像素屬于所述標注區域的偽概率，將所述偽概率作為所述像素對應的所述軟標簽。

3.根據權利要求1所述的方法，其特征在于，所述響應于所述像素所屬的超像素區域與所述標注區域之間存在交集像素，根據所述像素所屬的超像素區域與所述標注區域之間的位置關系，得到所述像素對應的軟標簽，還包括：

響應于所述超像素區域的全部區域與所述標注區域之間存在所述交集像素，確定所述像素對應的第一硬標簽，所述第一硬標簽用于指示所述像素位于所述標注區域內；

將所述第一硬標簽作為所述像素的軟標簽。

4.根據權利要求1至3任一所述的方法，其特征在于，所述根據所述像素的硬標簽和所述像素的軟標簽，訓練所述圖像分割模型，包括：

將所述樣本圖像輸入至所述圖像分割模型中，得到所述樣本圖像中的像素屬于所述標注區域的預測概率；

根據所述預測概率、所述硬標簽和所述軟標簽計算復合損失函數；

利用所述復合損失函數對所述圖像分割模型進行訓練，得到訓練后的圖像分割模型。

5.根據權利要求4所述的方法，其特征在于，所述根據所述預測概率、所述硬標簽和所述軟標簽計算復合損失函數，包括：

根據所述預測概率和所述硬標簽計算所述硬標簽對應的第一損失函數，所述第一損失函數對應有第一超參數，所述第一超參數用于表征所述第一損失函數對所述復合損失函數的影響程度；

根據所述預測概率和所述軟標簽計算所述軟標簽對應的第二損失函數，所述第二損失函數對應有第二超參數，所述第二超參數用于表征所述第二損失函數對所述復合損失函數的影響程度；

根據所述第一損失函數、所述第一超參數、所述第二損失函數、所述第二超參數，計算所述復合損失函數。

6.根據權利要求1至3任一所述的方法，其特征在于，所述方法還包括：

獲取輸入圖像，所述輸入圖像包括分割區域；

將所述輸入圖像輸入至訓練后的圖像分割模型中，得到所述輸入圖像對應的預測概率圖，所述預測概率圖用于表征所述輸入圖像中的像素屬于所述分割區域的預測概率；

根據所述預測概率圖確定所述輸入圖像的分割結果。

7.根據權利要求6所述的方法，其特征在于，所述根據所述預測概率圖確定所述輸入圖像的分割結果，包括：

利用最大值自變量點集函數，確定所述像素在所述輸入圖像中的像素位置，所述像素位置是所述像素屬于所述分割區域的所述預測概率最大時的位置；

根據所述像素位置確定所述輸入圖像的分割結果。