图像分割模型的训练方法和装置、图像分割方法和装置制造方法及图纸

本申请涉及一种图像分割模型的训练方法、装置、计算机可读存储介质和计算机设备，所述方法包括：将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像；所述第一分割图像中的每个分割区域表示一个类别，一个分割区域中的各个像素点的类别相同；将所述第一分割图像输入所述判别网络中进行判别，得到所述第一分割图像对应的第一置信度图；所述第一置信度图用于表示所述第一分割图像中各个像素点的类别的可信程度；根据所述第一置信度图对所述第一分割图像中各个像素点进行标注，得到第一标注图像；将所述第一标注图像输入所述语义分割网络中，对所述语义分割网络进行训练。本申请提供的方案可以提高图像分割模型训练的准确性。

Training method and device of image segmentation model, image segmentation method and device

【技术实现步骤摘要】
图像分割模型的训练方法和装置、图像分割方法和装置
本申请涉及图像处理
，特别是涉及一种图像分割的训练方法和装置、图像分割方法和装置。
技术介绍
随着计算机技术的发展，出现了图像分割技术。通过图像分割，可以图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，是由图像处理到图像分析的关键步骤。然而，传统的对图像分割模型的训练方法中，往往也将一些低质量的标注对模型进行训练，存在训练不准确的问题。
技术实现思路
基于此，有必要针对图像分割模型训练不准确的技术问题，提供一种图像分割模型的训练方法、装置、计算机可读存储介质和计算机设备。一种图像分割模型的训练方法，所述图像分割模型包括语义分割网络和判别网络，包括：将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像；将所述第一分割图像输入所述判别网络中进行判别，得到所述第一分割图像对应的第一置信度图；根据所述第一置信度图对所述第一分割图像中各个像素点进行标注，得到第一标注图像；将所述第一标注图像输入本文档来自技高网...

【技术保护点】
1.一种图像分割模型的训练方法，所述图像分割模型包括语义分割网络和判别网络，包括：/n将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像；/n将所述第一分割图像输入所述判别网络中进行判别，得到所述第一分割图像对应的第一置信度图；/n根据所述第一置信度图对所述第一分割图像中各个像素点进行标注，得到第一标注图像；/n将所述第一标注图像输入所述语义分割网络中，对所述语义分割网络进行训练。/n

【技术特征摘要】
1.一种图像分割模型的训练方法，所述图像分割模型包括语义分割网络和判别网络，包括：
将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像；
将所述第一分割图像输入所述判别网络中进行判别，得到所述第一分割图像对应的第一置信度图；
根据所述第一置信度图对所述第一分割图像中各个像素点进行标注，得到第一标注图像；
将所述第一标注图像输入所述语义分割网络中，对所述语义分割网络进行训练。


2.根据权利要求1所述的方法，其特征在于，所述第一置信度图中包括各个像素点的置信度；所述根据所述第一置信度图对所述第一分割图像中各个像素点进行标注，得到第一标注图像，包括：
从所述第一置信度图中获取所述置信度大于置信度阈值的目标像素点；
对所述第一分割图像中所述目标像素点对应的像素点进行标注，得到第一标注图像。


3.根据权利要求1所述的方法，其特征在于，所述语义分割网络中包括特征学习网络和双注意网络；所述将获取的第一未标注图像输入语义分割网络中进行分割，得到第一分割图像，包括：
将获取的第一未标注图像输入所述特征学习网络中，通过所述特征学习网络对所述第一未标注图像进行特征学习，得到初始特征图；
将所述初始特征图输入所述双注意网络中，通过所述双注意网络对所述初始特征图进行处理，得到概率图；所述概率图中包括每个像素点所属类别的概率；
将所述概率图中各个像素点所属类别的概率与概率阈值进行比较，生成第一分割图像。


4.根据权利要求1所述的方法，其特征在于，所述将所述第一标注图像输入所述语义分割网络中，对所述语义分割网络进行训练，包括：
基于所述第一标注图像和所述第一分割图像，确定第一损失值；
根据所述第一损失值调整所述语义分割网络的第一参数，对所述语义分割网络进行迭代训练，直到所述图像分割模型的总损失值小于或等于总阈值，或训练次数达到预设次数时，得到训练好的语义分割网络。


5.根据权利要求4所述的方法，其特征在于，所述图像分割模型的总损失值的确定方式，包括：
获取所述第一未标注图像对应的第一真实标注图像；
基于所述第一真实标注图像和所述第一分割图像确定所述第一分割图像的第二损失值；
基于所述第一分割图像、所述第一真实标注图像和所述第一置信度图确定所述第一置信度图的第一对抗损失值；
基于所述第一损失值、所述第二损失值和所述第一对抗损失值确定总损失值。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取所述第一损失值的第一权重因子、所述第二损失值的第二权重因子和所述第一对抗损失值的第三权重因子；
所述基于所述第一损失值、所述第二损失值和所述第一对抗损失值确定总损失值，包括：
基于所述第一损失值以及第一权重因子、所述第二损失值以及第二权重因子、所述第一对抗损失值以及第三权重因子进行加权求和得到总损失值。


7.根据权利要求1所述的方法，其特征在于，在所述将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像之前，还包括：
获取第二真实标注图像；所述第二真实标注图像中各个像素点的标注为真实的标注；
将所述第二真实标注图像输入所述语义分割网络中，得到第二分割图像；所述第二分割图像中各个像素点的标注为所述语义分割网络预测的标注；
基于所述第二真实标注图像中各个像素点真实的标注，以及对应的所述第二分割图像中各个像素点预测的标注，对所述语义分割网络进行训练，得到初始的语义分割网络；
所述将获取的第一未标注图像输入所述语义分割网络中进行分割，得到第一分割图像，包括：
将获取的第一未标注图像输入所述初始的语义分割网络中进行分割，得到第一分割图像。


8.根据权利要求7所述的方法，其特征在于，所述基于所...

【专利技术属性】
技术研发人员：曹世磊，王淑欣，陈思宏，马锴，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44