[發明專利]圖像分割數據處理方法、裝置、設備及存儲介質

有效

• 申請號: 202011403688.X
• 申請日: 2020-12-02
• 公開（公告）號: CN112419326B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 柳露艷;馬鍇;鄭冶楓
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/00;G06N3/0464
• 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: 徐立

本申請實施例公開了一種圖像分割數據處理方法、裝置、計算機設備及存儲介質，屬于計算機技術領域。該方法包括：基于源域標簽圖像、第一標簽圖像和第二標簽圖像確定第一源域損失值；基于第三標簽圖像和第四標簽圖像確定第一目標域損失值；基于第一源域損失值和第一目標域損失值訓練第一圖像分割模型，并基于訓練后得到的圖像分割模型進行圖像分割任務處理。采用源域圖像和目標域圖像對第一圖像分割模型進行訓練時，不僅考慮了該第一圖像分割模型輸出的結果，還將第二圖像分割模型輸出的結果融入到源域損失值中，能夠通過第二圖像分割模型對第一圖像分割模型進行監督，訓練出準確性和魯棒性更高的圖像分割模型，從而提高圖像分割的準確性。

技術領域

本申請實施例涉及計算機技術領域，特別涉及一種圖像分割數據處理方法、裝置、設備及存儲介質。

背景技術

隨著計算機技術和人工智能技術的不斷發展，人工智能技術在圖像分割、圖像識別等圖像分析任務中取得了顯著的成果。在采用人工智能技術進行圖像分割時，需要依賴大量樣本圖像訓練圖像分割模型，但是樣本圖像中往往會存在噪聲圖像。

相關技術中，先基于質量評估模型確定樣本圖像的質量分數，選取質量分數較高的樣本圖像，利用質量分數較高的樣本圖像來訓練圖像分割模型。由于僅依賴于質量評估模型對樣本圖像進行篩選，篩選出來的樣本圖像的可靠性并不高，因此訓練得到的圖像分割模型的準確性和魯棒性較差。

發明內容

本申請實施例提供了一種圖像分割數據處理方法、裝置、計算機設備及存儲介質，能夠圖像分割模型的準確性和魯棒性。所述技術方案如下：

一方面，提供了一種圖像分割數據處理方法，所述方法包括：

獲取第一源域圖像、所述第一源域圖像對應的源域標簽圖像、第一標簽圖像和第二標簽圖像，所述第一標簽圖像為基于第一圖像分割模型對所述第一源域圖像進行圖像分割得到的，所述第二標簽圖像為基于第二圖像分割模型對所述第一源域圖像進行圖像分割得到的；

基于所述第一源域圖像對應的源域標簽圖像、所述第一標簽圖像和所述第二標簽圖像，確定第一源域損失值；

獲取目標域圖像、第三標簽圖像和第四標簽圖像，所述第三標簽圖像為基于所述第一圖像分割模型對所述目標域圖像進行圖像分割得到的，所述第四標簽圖像為基于所述第二圖像分割模型對所述目標域圖像進行圖像分割得到的；

基于所述第三標簽圖像和所述第四標簽圖像，確定第一目標域損失值；

基于所述第一源域損失值和所述第一目標域損失值，訓練所述第一圖像分割模型，并基于訓練后得到的圖像分割模型進行圖像分割任務處理。

可選地，所述基于所述第二源域圖像對應的源域標簽圖像和所述第五標簽圖像，確定第二源域損失值，包括：響應于所述相似度小于所述相似度閾值，基于所述第二源域圖像對應的源域標簽圖像、所述第五標簽圖像和所述第六標簽圖像，確定所述第二源域損失值。

可選地，所述方法還包括：響應于所述迭代訓練次數大于所述第二閾值，基于所述第三源域損失值和所述第四源域損失值，確定所述第一源域損失值。

可選地，所述基于所述源域標簽圖像，確定所述每個像素點對應的權重，包括：確定所述每個像素點與所述源域標簽圖像的邊界線之間的最小距離；將確定的多個最小距離中的最大值確定為目標距離；基于所述目標距離和所述每個像素點對應的最小距離，分別確定所述每個像素點對應的權重。

可選地，所述基于所述每個像素點對應的第一標簽和權重，確定所述第三源域損失值，包括：基于所述每個像素點對應的第一標簽和權重，確定第一差異值，所述第一差異值表示所述第一標簽圖像和所述源域標簽圖像之間的差異；基于所述第一差異值、任一像素點對應的第一標簽和權重，確定所述任一像素點對應的第三源域子損失值；基于確定的多個第三源域子損失值，確定所述第三源域損失值。