图像分割数据处理方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种图像分割数据处理方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：基于源域标签图像、第一标签图像和第二标签图像确定第一源域损失值；基于第三标签图像和第四标签图像确定第一目标域损失值；基于第一源域损失值和第一目标域损失值训练第一图像分割模型，并基于训练后得到的图像分割模型进行图像分割任务处理。采用源域图像和目标域图像对第一图像分割模型进行训练时，不仅考虑了该第一图像分割模型输出的结果，还将第二图像分割模型输出的结果融入到源域损失值中，能够通过第二图像分割模型对第一图像分割模型进行监督，训练出准确性和鲁棒性更高的图像分割模型，从而提高图像分割的准确性。的准确性。的准确性。

【技术实现步骤摘要】
图像分割数据处理方法、装置、设备及存储介质


[0001]本申请实施例涉及计算机
，特别涉及一种图像分割数据处理方法、装置、设备及存储介质。

技术介绍

[0002]随着计算机技术和人工智能技术的不断发展，人工智能技术在图像分割、图像识别等图像分析任务中取得了显著的成果。在采用人工智能技术进行图像分割时，需要依赖大量样本图像训练图像分割模型，但是样本图像中往往会存在噪声图像。
[0003]相关技术中，先基于质量评估模型确定样本图像的质量分数，选取质量分数较高的样本图像，利用质量分数较高的样本图像来训练图像分割模型。由于仅依赖于质量评估模型对样本图像进行筛选，筛选出来的样本图像的可靠性并不高，因此训练得到的图像分割模型的准确性和鲁棒性较差。

技术实现思路

[0004]本申请实施例提供了一种图像分割数据处理方法、装置、计算机设备及存储介质，能够图像分割模型的准确性和鲁棒性。所述技术方案如下：
[0005]一方面，提供了一种图像分割数据处理方法，所述方法包括：
[0006]获取第一源域图像、所述第一源域图像对应的源域标签图像、第一标签图像和第二标签图像，所述第一标签图像为基于第一图像分割模型对所述第一源域图像进行图像分割得到的，所述第二标签图像为基于第二图像分割模型对所述第一源域图像进行图像分割得到的；
[0007]基于所述第一源域图像对应的源域标签图像、所述第一标签图像和所述第二标签图像，确定第一源域损失值；
[0008]获取目标域图像、第三标签图像和第四标签图像，所述第三标签图像为基于所述第一图像分割模型对所述目标域图像进行图像分割得到的，所述第四标签图像为基于所述第二图像分割模型对所述目标域图像进行图像分割得到的；
[0009]基于所述第三标签图像和所述第四标签图像，确定第一目标域损失值；
[0010]基于所述第一源域损失值和所述第一目标域损失值，训练所述第一图像分割模型，并基于训练后得到的图像分割模型进行图像分割任务处理。
[0011]可选地，所述基于所述第二源域图像对应的源域标签图像和所述第五标签图像，确定第二源域损失值，包括：响应于所述相似度小于所述相似度阈值，基于所述第二源域图像对应的源域标签图像、所述第五标签图像和所述第六标签图像，确定所述第二源域损失值。
[0012]可选地，所述方法还包括：响应于所述迭代训练次数大于所述第二阈值，基于所述第三源域损失值和所述第四源域损失值，确定所述第一源域损失值。
[0013]可选地，所述基于所述源域标签图像，确定所述每个像素点对应的权重，包括：确
定所述每个像素点与所述源域标签图像的边界线之间的最小距离；将确定的多个最小距离中的最大值确定为目标距离；基于所述目标距离和所述每个像素点对应的最小距离，分别确定所述每个像素点对应的权重。
[0014]可选地，所述基于所述每个像素点对应的第一标签和权重，确定所述第三源域损失值，包括：基于所述每个像素点对应的第一标签和权重，确定第一差异值，所述第一差异值表示所述第一标签图像和所述源域标签图像之间的差异；基于所述第一差异值、任一像素点对应的第一标签和权重，确定所述任一像素点对应的第三源域子损失值；基于确定的多个第三源域子损失值，确定所述第三源域损失值。
[0015]可选地，所述响应于所述第一源域损失值小于目标损失值，将所述第一源域图像判定为非噪声源域图像之后，所述方法还包括：基于所述第一源域图像对应的源域标签图像和第六标签图像，确定第五源域损失值，所述第六标签图像为基于所述第二图像分割模型对所述第一源域图像进行图像分割得到的；基于所述第三标签图像和第七标签图像，确定第二目标域损失值，所述第七标签图像为基于所述第二图像分割模型对所述目标域图像进行图像分割得到的；基于所述第五源域损失值和所述第二目标域损失值，训练所述第二图像分割模型。
[0016]可选地，所述第三标签图像包括所述目标域图像中的多个像素点对应的第三标签，所述基于所述源域判别结果、所述目标域判别结果和所述第三标签图像，确定判别损失值，包括：
[0017]基于所述多个像素点对应的第三标签，确定所述第三标签图像对应的不确定度；
[0018]基于所述不确定度、所述源域判别结果和所述目标域判别结果，确定所述判别损失值。
[0019]可选地，所述方法还包括：
[0020]获取第六标签图像，所述第六标签图像为基于所述第二图像分割模型对所述第二源域图像进行图像分割得到的；
[0021]所述基于所述第二源域图像对应的源域标签图像和所述第五标签图像，确定第二源域损失值，包括：
[0022]确定所述第五标签图像与所述第六标签图像之间的相似度；
[0023]响应于所述相似度不小于相似度阈值，基于所述第二源域图像对应的源域标签图像和所述第五标签图像，确定所述第二源域损失值。
[0024]可选地，所述第一标签图像包括所述第一源域图像中的每个像素点对应的第一标签，所述基于所述源域标签图像和所述第一标签图像，确定第三源域损失值，包括：
[0025]基于所述源域标签图像，确定所述每个像素点对应的权重；
[0026]基于所述每个像素点对应的第一标签和权重，确定所述第三源域损失值。
[0027]另一方面，提供了一种图像分割数据处理装置，所述装置包括：
[0028]第一图像获取模块，用于获取第一源域图像、所述第一源域图像对应的源域标签图像、第一标签图像和第二标签图像，所述第一标签图像为基于第一图像分割模型对所述第一源域图像进行图像分割得到的，所述第二标签图像为基于第二图像分割模型对所述第一源域图像进行图像分割得到的；
[0029]第一损失值确定模块，用于基于所述第一源域图像对应的源域标签图像、所述第
一标签图像和所述第二标签图像，确定第一源域损失值；
[0030]第二图像获取模块，用于获取目标域图像、第三标签图像和第四标签图像，所述第三标签图像为基于所述第一图像分割模型对所述目标域图像进行图像分割得到的，所述第四标签图像为基于所述第二图像分割模型对所述目标域图像进行图像分割得到的；
[0031]第二损失值确定模块，用于基于所述第三标签图像和所述第四标签图像，确定第一目标域损失值；
[0032]第一训练模块，用于基于所述第一源域损失值和所述第一目标域损失值，训练所述第一图像分割模型；
[0033]图像分割模块，用于基于训练后得到的图像分割模型进行图像分割任务处理。
[0034]另一方面，提供了一种图像分割数据处理装置，所述装置包括：
[0035]模型获取模块，用于获取第一图像分割模型，所述第一图像分割模型包括特征提取层和特征分割层；
[0036]特征提取模块，用于基于所述特征提取层对目标域图像进行特征提取，得到所述目标域图像对应的特征图像；
[0037]特征分割模块，用于基于所述特征分割层对所述特征图像进行特征分割，得到所述目标域图像对应的目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割数据处理方法，其特征在于，所述方法包括：获取第一源域图像、所述第一源域图像对应的源域标签图像、第一标签图像和第二标签图像，所述第一标签图像为基于第一图像分割模型对所述第一源域图像进行图像分割得到的，所述第二标签图像为基于第二图像分割模型对所述第一源域图像进行图像分割得到的；基于所述第一源域图像对应的源域标签图像、所述第一标签图像和所述第二标签图像，确定第一源域损失值；获取目标域图像、第三标签图像和第四标签图像，所述第三标签图像为基于所述第一图像分割模型对所述目标域图像进行图像分割得到的，所述第四标签图像为基于所述第二图像分割模型对所述目标域图像进行图像分割得到的；基于所述第三标签图像和所述第四标签图像，确定第一目标域损失值；基于所述第一源域损失值和所述第一目标域损失值，训练所述第一图像分割模型，并基于训练后得到的图像分割模型进行图像分割任务处理。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一源域图像对应的源域标签图像、所述第一标签图像和所述第二标签图像，确定第一源域损失值，包括：在基于所述第二图像分割模型将所述第一源域图像判定为噪声源域图像的情况下，基于所述源域标签图像、所述第一标签图像和所述第二标签图像，确定所述第一源域损失值。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二源域图像、所述第二源域图像对应的源域标签图像和第五标签图像，所述第五标签图像为基于所述第一图像分割模型对所述第二源域图像进行图像分割得到的；在基于所述第二图像分割模型将所述第二源域图像判定为非噪声源域图像的情况下，基于所述第二源域图像对应的源域标签图像和所述第五标签图像，确定第二源域损失值；基于所述第一源域损失值、所述第二源域损失值和所述第一目标域损失值，训练所述第一图像分割模型。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一源域图像对应的源域标签图像、所述第一标签图像和所述第二标签图像，确定第一源域损失值，包括：基于所述源域标签图像和所述第一标签图像，确定第三源域损失值；基于所述第二标签图像和所述第一标签图像，确定第四源域损失值；基于所述第三源域损失值和所述第四源域损失值，确定所述第一源域损失值。5.根据权利要求4所述的方法，其特征在于，所述基于所述第三源域损失值和所述第四源域损失值，确定所述第一源域损失值，包括：获取本次训练对应的迭代训练次数；响应于所述迭代训练次数不小于第一阈值且不大于第二阈值，基于所述第三源域损失值、所述第四源域损失值、所述迭代次数、所述第一阈值和所述第二阈值，确定所述第一源域损失值。6.根据权利要求1所述的方法，其特征在于，所述第三标签图像包括所述目标域图像中的每个像素点对应的第三标签，所述第四标签图像包括所述目标域图像中的每个像素点对应的第四标签，所述基于所述第三标签图像和所述第四标签图像，确定第一目标域损失值，包括：
基于所述每个像素点对应的第三标签和第四标签，确定第二差异值，所述第二差异值表示所述第三标签图像和所述第四标签图像之间的差异；基于所述第二差异值、任一像素点对应的第三标签和第四标签，确定所述任一像素点对应的目标域子损失值；基于确定的多个目标域子损失值，确定所述第一目标域损失值。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于判别模型对所述第一标签图像进行图像判别处理，得到源域判别结果；基于所述判别模型对所述第三标签图像进行图像判别处理，得到目标域判别结果；基于所述源域判别结果、所述目标域判别结果和所述第三标签图像，确定判别损失值；基于所述判别损失值，训练所述第一图像分割模型和所述判别模型。8.根据权利要求1所述的方法，其特征在于，所述基于所述第一源域图像对应的源域标签图像、所述第一标签图像和所述第二标签图像，确定第一源域损失值之后，所述方法还包括：响应于所述第一源域损失值小于目标损失值，将所述第一源域图像判定为非噪声源域图像；或者，响应于所述第一源域损失值不小于所述目标损失值，将所述第一源域图像判定为噪声源域图像。9.根据权利要求8所述的方法，其特征在于，所述响应于所述第一源域损失值不小于所述目标损失值，将所述第一源域图像判定为噪声源域图像之后，所述方法还包括：基于所述第一源域图像对应的源域标签图像、所述第一标签图像和第六标签图像，确定第六源域损失值，所述第六标签图像...

【专利技术属性】
技术研发人员：柳露艳，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：