[發明專利]圖像分割處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011477949.2
• 申請日: 2020-12-15
• 公開（公告）號: CN113538480A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 姚亮;邰穎;汪鋮杰;李季檁;黃飛躍;黃小明;馮云龍;朱俊偉;儲文青
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/11;G06T7/194;G06N3/08;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李文淵

本申請涉及一種圖像分割處理方法、裝置、計算機設備和存儲介質，包括：獲取樣本圖像；通過至少兩個已訓練的指導模型，分別對樣本圖像中的目標對象進行圖像分割處理，得到各指導模型對應的第一分割結果；通過待訓練的圖像分割模型，對樣本圖像中的目標對象進行圖像分割處理，得到第二分割結果；根據第二分割結果與第一分割結果之間的差異，確定蒸餾誤差；根據第二分割結果中的邊緣預測結果與第一分割結果中的邊緣預測結果之間的差異，確定邊緣誤差；根據蒸餾誤差以及邊緣誤差，調整圖像分割模型的模型參數并繼續進行蒸餾訓練，直至滿足訓練停止條件，得到訓練好的圖像分割模型。采用本方法能夠有效保證圖像分割的處理效率的同時提高精準度。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種圖像分割處理方法、裝置、計算機設備和存儲介質。

背景技術

隨著人工智能技術研究和進步，人工智能技術在圖像處理領域廣泛應用。圖像分割是圖像識別和計算機視覺至關重要的預處理，能夠有效用于輔助各種場景圖像中的圖像分類、物體檢測、物體跟蹤等任務。隨著深度學習的發展，出現了各種采用深度學習方式訓練神經網絡模型，以進行圖像分割處理。

然而，目前在圖像分割等圖像處理應用中，使用的神經網絡模型通常依賴于大量的標注訓練數據和龐大的模型參數量，因而伴隨著巨大的計算復雜度。難以在保證圖像分割精準度的同時，保證圖像分割的處理效率，導致在處理能力相對較小的設備上的處理效率較低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠有效保證圖像分割精準度的同時，有效提高圖像分割的處理效率的圖像分割處理方法、裝置、計算機設備和存儲介質。

一種圖像分割處理方法，所述方法包括：

獲取樣本圖像；

在每輪蒸餾訓練中，通過至少兩個已訓練的指導模型，分別對所述樣本圖像中的目標對象進行圖像分割處理，得到各所述指導模型對應的第一分割結果；

通過待訓練的圖像分割模型，對所述樣本圖像中的所述目標對象進行圖像分割處理，得到第二分割結果；所述圖像分割模型的模型參數少于所述指導模型的模型參數；

根據所述第二分割結果與第一分割結果之間的差異，確定蒸餾誤差；

根據所述第二分割結果中的邊緣預測結果與第一分割結果中的邊緣預測結果之間的差異，確定邊緣誤差；

根據所述蒸餾誤差以及所述邊緣誤差，調整所述圖像分割模型的模型參數并繼續進行蒸餾訓練，直至滿足訓練停止條件，得到訓練好的圖像分割模型。

一種圖像分割處理裝置，所述裝置包括：

數據獲取模塊，用于獲取樣本圖像；

第一分割處理模塊，用于在每輪蒸餾訓練中，通過至少兩個已訓練的指導模型，分別對所述樣本圖像中的目標對象進行圖像分割處理，得到各所述指導模型對應的第一分割結果；

第二分割處理模塊，用于通過待訓練的圖像分割模型，對所述樣本圖像中的所述目標對象進行圖像分割處理，得到第二分割結果；所述圖像分割模型的模型參數少于所述指導模型的模型參數；

誤差確定模塊，用于根據所述第二分割結果與第一分割結果的差異，確定蒸餾誤差；根據所述第二分割結果中的邊緣預測結果與第一分割結果中的邊緣預測結果之間的差異，確定邊緣誤差；

參數調整模塊，用于根據所述蒸餾誤差以及所述邊緣誤差，調整所述圖像分割模型的模型參數并繼續進行蒸餾訓練，直至滿足訓練停止條件，得到訓練好的圖像分割模型。