[發明專利]目標分割模型的訓練方法及裝置和目標分割方法及裝置

在審

• 申請號: 202110405701.3
• 申請日: 2021-04-15
• 公開（公告）號: CN113096104A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 王偉農;戴宇榮
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/13;G06T7/187;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 蘇銀虹;曾世驍

1.一種目標分割模型的訓練方法，其特征在于，包括：

獲取圖像樣本數據，其中，每個圖像樣本數據包括目標圖像和跟蹤圖像，其中，所述目標圖像是指包括待跟蹤目標的圖像，所述跟蹤圖像是指包括將被執行跟蹤的所述目標的圖像，并具有所述目標的真實分割標簽，其中，所述目標的真實分割標簽包括所述目標的輪廓的極坐標的真實值；

將所述目標圖像和所述跟蹤圖像輸入目標跟蹤模型，獲得第一特征圖，其中，所述目標跟蹤模型為Ocean模型；

將第一特征圖輸入目標分割模型，獲得所述目標的輪廓的極坐標的估計值；

基于所述目標的輪廓的極坐標的估計值和所述目標的輪廓的極坐標的真實值計算用于所述目標分割模型的損失函數；

基于用于所述目標跟蹤模型的損失函數以及用于所述目標分割模型的損失函數來對所述目標跟蹤模型和所述目標分割模型進行聯合訓練。

2.如權利要求1所述的訓練方法，其特征在于，所述目標的輪廓的極坐標的真實值是通過將所述目標的輪廓的x-y坐標系的真實值執行x-y坐標系至極坐標系的轉換而得到的。

3.如權利要求1所述的訓練方法，其特征在于，第一特征圖是所述目標圖像和所述跟蹤圖像經過所述目標跟蹤模型的特征提取模塊和特征組合模塊后得到的特征圖。

4.如權利要求1所述的訓練方法，其特征在于，所述目標的輪廓的極坐標包括所述目標的輪廓上的預定數量n個點的極坐標。

5.一種目標分割方法，其特征在于，包括：

獲取待跟蹤的目標圖像和跟蹤圖像，其中，所述目標圖像是指包括待跟蹤目標的圖像，所述跟蹤圖像是指包括將被執行跟蹤的所述目標的圖像；

將所述目標圖像和所述跟蹤圖像輸入目標跟蹤模型，獲得第一特征圖，其中，所述目標跟蹤模型為Ocean模型；

將第一特征圖輸入目標分割模型，獲得所述待跟蹤的目標的輪廓的極坐標的估計值；

基于所述跟蹤圖像和所述待跟蹤的目標的輪廓的極坐標的估計值，獲得目標分割結果。

6.一種目標分割模型的訓練裝置，其特征在于，包括：

樣本獲取單元，被配置為：獲取圖像樣本數據，其中，每個圖像樣本數據包括目標圖像和跟蹤圖像，其中，所述目標圖像是指包括待跟蹤目標的圖像，所述跟蹤圖像是指包括將被執行跟蹤的所述目標的圖像，并具有所述目標的真實分割標簽，其中，所述目標的真實分割標簽包括所述目標的輪廓的極坐標的真實值；

特征圖獲取單元，被配置為：將所述目標圖像和所述跟蹤圖像輸入目標跟蹤模型，獲得第一特征圖，其中，所述目標跟蹤模型為Ocean模型；

極坐標估計單元，被配置為：將第一特征圖輸入目標分割模型，獲得所述目標的輪廓的極坐標的估計值；

損失計算單元，被配置為：基于所述目標的輪廓的極坐標的估計值和所述目標的輪廓的極坐標的真實值計算用于所述目標分割模型的損失函數；

模型訓練單元，被配置為：基于用于所述目標跟蹤模型的損失函數以及用于所述目標分割模型的損失函數來對所述目標跟蹤模型和所述目標分割模型進行聯合訓練。

7.一種目標分割裝置，其特征在于，包括：

圖像獲取單元，被配置為：獲取待跟蹤的目標圖像和跟蹤圖像，其中，所述目標圖像是指包括待跟蹤目標的圖像，所述跟蹤圖像是指包括將被執行跟蹤的所述目標的圖像；

特征圖獲取單元，被配置為：將所述目標圖像和所述跟蹤圖像輸入目標跟蹤模型，獲得第一特征圖，其中，所述目標跟蹤模型為Ocean模型；

極坐標估計單元，被配置為：將第一特征圖輸入目標分割模型，獲得所述待跟蹤的目標的輪廓的極坐標的估計值；

目標分割單元，被配置為：基于所述跟蹤圖像和所述待跟蹤的目標的輪廓的極坐標的估計值，獲得目標分割結果。