图像分割处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像分割处理方法、装置、计算机设备和存储介质，包括：获取样本图像；通过至少两个已训练的指导模型，分别对样本图像中的目标对象进行图像分割处理，得到各指导模型对应的第一分割结果；通过待训练的图像分割模型，对样本图像中的目标对象进行图像分割处理，得到第二分割结果；根据第二分割结果与第一分割结果之间的差异，确定蒸馏误差；根据第二分割结果中的边缘预测结果与第一分割结果中的边缘预测结果之间的差异，确定边缘误差；根据蒸馏误差以及边缘误差，调整图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型。采用本方法能够有效保证图像分割的处理效率的同时提高精准度。提高精准度。提高精准度。

【技术实现步骤摘要】
图像分割处理方法、装置、计算机设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像分割处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着人工智能技术研究和进步，人工智能技术在图像处理领域广泛应用。图像分割是图像识别和计算机视觉至关重要的预处理，能够有效用于辅助各种场景图像中的图像分类、物体检测、物体跟踪等任务。随着深度学习的发展，出现了各种采用深度学习方式训练神经网络模型，以进行图像分割处理。
[0003]然而，目前在图像分割等图像处理应用中，使用的神经网络模型通常依赖于大量的标注训练数据和庞大的模型参数量，因而伴随着巨大的计算复杂度。难以在保证图像分割精准度的同时，保证图像分割的处理效率，导致在处理能力相对较小的设备上的处理效率较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够有效保证图像分割精准度的同时，有效提高图像分割的处理效率的图像分割处理方法、装置、计算机设备和存储介质。
[0005]一种图像分割处理方法，所述方法包括：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割处理方法，其特征在于，所述方法包括：获取样本图像；在每轮蒸馏训练中，通过至少两个已训练的指导模型，分别对所述样本图像中的目标对象进行图像分割处理，得到各所述指导模型对应的第一分割结果；通过待训练的图像分割模型，对所述样本图像中的所述目标对象进行图像分割处理，得到第二分割结果；所述图像分割模型的模型参数少于所述指导模型的模型参数；根据所述第二分割结果与第一分割结果之间的差异，确定蒸馏误差；根据所述第二分割结果中的边缘预测结果与第一分割结果中的边缘预测结果之间的差异，确定边缘误差；根据所述蒸馏误差以及所述边缘误差，调整所述图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述第二分割结果中的像素信息与第一分割结果中的像素信息之间的差异，确定像素误差；所述根据所述蒸馏误差以及所述边缘误差，调整所述图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型，包括：根据所述蒸馏误差、所述像素误差以及所述边缘误差，调整所述图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型。3.根据权利要求2所述的方法，其特征在于，所述样本图像包括未标注的样本图像和携带标注标签的样本图像；所述方法还包括：针对未标注的样本图像，执行所述根据所述第二分割结果中的边缘预测结果与第一分割结果中的边缘预测结果之间的差异，确定边缘误差的步骤、以及根据所述第二分割结果中的像素信息与第一分割结果中的像素信息之间的差异，确定像素误差的步骤；针对标注的样本图像，根据所述第二分割结果中的边缘预测结果与所述标注标签中的边缘标签之间的差异，确定边缘误差；针对标注的样本图像，根据所述第二分割结果中的像素信息与所述标注标签所标注像素的像素信息之间的差异，确定像素误差。4.根据权利要求2所述的方法，其特征在于，所述根据所述蒸馏误差、所述像素误差以及所述边缘误差，调整所述图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型，包括：将所述蒸馏误差、所述像素误差以及所述边缘误差融合，得到目标误差值；根据所述目标误差值，调整所述图像分割模型的模型参数并继续进行蒸馏训练，直至满足训练停止条件，得到训练好的图像分割模型。5.根据权利要求1所述的方法，其特征在于，所述指导模型包括网络结构不同的第一指导模型和第二指导模型；所述通过至少两个已训练的指导模型，分别对所述样本图像中的目标对象进行图像分割处理，得到各所述指导模型对应的第一分割结果，包括：通过已训练的第一指导模型，对所述样本图像中的目标对象进行图像分割处理，得到所述第一指导模型对应的分割结果；通过已训练的第二指导模型，对所述样本图像中的所述目标对象进行图像分割处理，
得到所述第二指导模型对应的分割结果；将所述第一指导模型对应的分割结果与所述第二指导模型对应的分割结果进行融合，得到第一分割结果。6.根据权利要求1所述的方法，其特征在于，所述图像分割模型包括编码层、解码层和融合层，所述编码层和所述解码层包括可分离卷积网络；所述通过待训练的图像分割模型，对所述样本图像中的所述目标对象进行图像分割处理，得到第二分割结果，包括：将所述样本图像输入至所述图像分割模型，通过所述编码层，对所述样本图像进行特征提取和可分离卷积处理，得到第一多尺度特征图；通过所述解码层，对所述第一多尺度特征图进行反卷积处理，得到第二多尺度特征；通过所述融合层，将所述第一多尺度特征图和所述第二多尺度特征图融合，得到样本图像语义特征，根据所述样本图像语义特征确定所述目标对象的像素点以及轮廓边缘，并根据所述像素点以及所述轮廓边缘输出第二分割结果。7.根据权利要求1所述的方法，其特征在于...

【专利技术属性】
技术研发人员：姚亮，邰颖，汪铖杰，李季檩，黄飞跃，黄小明，冯云龙，朱俊伟，储文青，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：