[發明專利]模型訓練方法、實例分割方法、裝置、設備及介質

在審

• 申請號: 202210843130.6
• 申請日: 2022-07-18
• 公開（公告）號: CN115115923A
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 朱敏昭;劉樂遙;孔濤
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/26;G06V10/762
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 范彥揚

本公開實施例涉及一種模型訓練方法、實例分割方法、裝置、設備及介質，其中該模型訓練方法包括：獲取樣本圖像；獲取樣本圖像的初始標簽；其中，初始標簽包括目標點所屬的語義類別和實例類別，樣本圖像中每個物體分別標注有一個目標點，且物體標注的目標點為物體中所包含的一個點；基于初始標簽生成樣本圖像的擴展標簽；其中，擴展標簽包括目標點的關聯點所屬的語義類別和實例類別，且關聯點所屬的語義類別和實例類別是基于目標點所屬的語義類別和實例類別確定的；基于初始標簽和擴展標簽對初始的神經網絡模型進行訓練，并將訓練結束時的神經網絡模型作為實例分割模型。本公開實施例可有效節約訓練模型所需的標注成本。

技術領域

本公開涉及人工智能技術領域，尤其涉及一種模型訓練方法、實例分割方法、裝置、設備及介質。

背景技術

實例分割任務是計算機視覺中的重要任務，可以預測出圖像中每個點所屬的語義類別和實例類別，也即可以指出圖像中所包含的各種物體類別并進一步區別開不同的實例對象。現有執行實例分割任務的實例分割模型在訓練時都需要針對訓練樣本圖像中的大量點進行標注，也即需要非常密集的標注信息，所需標注成本非常高。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本公開提供了一種模型訓練方法、實例分割方法、裝置、設備及介質。

本公開實施例提供了一種模型訓練方法，包括：獲取樣本圖像；獲取所述樣本圖像的初始標簽；其中，所述初始標簽包括目標點所屬的語義類別和實例類別，所述樣本圖像中每個物體分別標注有一個目標點，且所述物體標注的目標點為所述物體中所包含的一個點；基于所述初始標簽生成所述樣本圖像的擴展標簽；其中，所述擴展標簽包括所述目標點的關聯點所屬的語義類別和實例類別，且所述關聯點所屬的語義類別和實例類別是基于所述目標點所屬的語義類別和實例類別確定的；基于所述初始標簽和所述擴展標簽對初始的神經網絡模型進行訓練，并將訓練結束時的所述神經網絡模型作為實例分割模型。

本公開實施例還提供了一種實例分割方法，包括：獲取目標圖像；將所述目標圖像輸入至預先訓練得到的實例分割模型；其中，所述實例分割模型是采用上述模型訓練方法得到的；獲取所述實例分割模型輸出的實例分割結果；所述實例分割結果包括所述目標圖像中每個點所屬的語義類別和實例類別。

本公開實施例還提供了一種模型訓練裝置，包括：樣本獲取模塊，用于獲取樣本圖像；初始標簽獲取模塊，用于獲取所述樣本圖像的初始標簽；其中，所述初始標簽包括目標點所屬的語義類別和實例類別，所述樣本圖像中每個物體分別標注有一個目標點，且所述物體標注的目標點為所述物體中所包含的一個點；擴展標簽生成模塊，用于基于所述初始標簽生成所述樣本圖像的擴展標簽；其中，所述擴展標簽包括所述目標點的關聯點所屬的語義類別和實例類別，且所述關聯點所屬的語義類別和實例類別是基于所述目標點所屬的語義類別和實例類別確定的；模型訓練模塊，用于基于所述初始標簽和所述擴展標簽對初始的神經網絡模型進行訓練，并將訓練結束時的所述神經網絡模型作為實例分割模型。

本公開實施例還提供了一種實例分割裝置，包括：圖像獲取模塊，用于獲取目標圖像；模型輸入模塊，用于將所述目標圖像輸入至預先訓練得到的實例分割模型；其中，所述實例分割模型是采用任一項所述的模型訓練方法得到的；結果獲取模塊，用于獲取所述實例分割模型輸出的實例分割結果；所述實例分割結果包括所述目標圖像中每個點所屬的語義類別和實例類別。

本公開實施例還提供了一種電子設備，所述電子設備包括：處理器；用于存儲所述處理器可執行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現如本公開實施例提供的模型訓練方法或者實例分割方法。

本公開實施例還提供了一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行如本公開實施例提供的模型訓練方法或者實例分割方法。