[發明專利]圖像分割模型訓練、圖像分割方法、裝置及電子設備

有效

• 申請號: 202011554114.2
• 申請日: 2020-12-24
• 公開（公告）號: CN112270686B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 申世偉;李家宏;李思則
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194;G06T5/50;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

本公開關于一種圖像分割模型訓練、圖像分割方法、裝置及電子設備，該圖像分割模型訓練方法包括確定目標類別信息對應的目標形狀屬性；從預設圖像集中獲取與目標形狀屬性對應的目標圖像；基于目標圖像的前景信息生成形狀掩膜圖像；基于形狀掩膜圖像，確定目標類別特征信息；將目標類別特征信息輸入初始生成網絡進行圖像合成處理；將第一合成圖像分別輸入初始判別網絡和初始圖像分割模型的分類網絡進行真實性判別、圖像分割，得到第一圖像判別結果和第一圖像分割結果；基于第一圖像判別結果、第一圖像分割結果和形狀掩膜圖像訓練分類網絡，得到目標圖像分割模型。利用本公開實施例可以提升訓練出的目標圖像分割模型的圖像分割精度。

技術領域

本公開涉及人工智能技術領域，尤其涉及一種圖像分割模型訓練、圖像分割方法、裝置及電子設備。

背景技術

人工智能(Artificial Intelligence，AI)技術是一門綜合學科，涉及領域廣泛，既有硬件層面的技術也有軟件層面的技術。其中，利用人工智能技術進行圖像分割，在視頻監控、公共安全等多個領域發揮著重要的作用。

相關技術中，由于構建訓練樣本的成本高，難度大，基于未知類別的詞向量自動合成圖片像素特征的零樣本分割技術方案在業界大受歡迎。但零樣本分割技術由于只有文本信息參與圖像分割模型的訓練，導致基于文本信息生成的參照圖的相鄰像素間是獨立的，與現實世界中圖像的分布存在差異，因此，存在分割精度低，易出錯的問題。

發明內容

本公開提供一種圖像分割模型訓練、圖像分割方法、裝置及電子設備，以至少解決相關技術中分割精度低，易出錯的問題。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種圖像分割模型訓練方法，包括：

確定目標類別信息對應的目標形狀屬性，所述目標類別信息表征訓練樣本和預測樣本的類別信息；

從預設圖像集中獲取與所述目標形狀屬性對應的目標圖像；

基于所述目標圖像的前景信息生成所述目標類別信息對應的形狀掩膜圖像；

基于所述形狀掩膜圖像，確定所述目標類別信息的目標類別特征信息；

將所述目標類別特征信息輸入初始生成網絡進行圖像合成處理，得到第一合成圖像；

將所述第一合成圖像輸入初始判別網絡進行真實性判別，得到第一圖像判別結果；

將所述第一合成圖像輸入初始圖像分割模型的分類網絡進行圖像分割，得到第一圖像分割結果；

基于所述第一圖像判別結果、所述第一圖像分割結果和所述形狀掩膜圖像訓練所述初始圖像分割模型的分類網絡，得到目標圖像分割模型。

可選的，所述從預設圖像集中獲取與所述目標形狀屬性對應的目標圖像包括：

獲取預設圖像集；

將所述預設圖像集輸入形狀屬性識別模型，進行形狀屬性識別，得到所述預設圖像集的形狀屬性；

將所述目標形狀屬性與所述預設圖像集的形狀屬性進行匹配，確定所述目標圖像。

可選的，所述基于所述目標圖像的前景信息生成所述目標類別信息對應的形狀掩膜圖像包括：

對所述目標圖像進行顯著性區域檢測，得到所述目標圖像的前景信息；

確定所述前景信息的形狀信息；

根據所述前景信息的形狀信息生成目標類別信息對應的形狀掩膜圖像。

可選的，所述基于所述形狀掩膜圖像，確定所述目標類別信息的目標類別特征信息包括：

確定所述形狀掩膜圖像對應的類別信息；