图像分割模型的训练方法、图像分割方法、装置及设备制造方法及图纸

本申请公开了一种图像分割模型的训练方法、图像分割方法、装置及设备，属于人工智能技术领域。方法包括：获取有标注图像集和无标注图像集，有标注图像集包括第一图像和第一图像的标注图像，无标注图像集包括第二图像；根据第一网络模型获取第一图像的预测图像；根据第二网络模型获取第二图像的预测图像；基于第二图像和第一图像的标注图像，确定第二图像的参考图像；基于第一图像的预测图像、第一图像的标注图像、第二图像的预测图像和第二图像的参考图像，根据第一网络模型确定图像分割模型。本申请实施例减少了需要标注的图像数量，降低时间消耗和人力消耗，降低了成本，提高模型训练速度，从而提高图像分割效率。从而提高图像分割效率。从而提高图像分割效率。

【技术实现步骤摘要】
图像分割模型的训练方法、图像分割方法、装置及设备


[0001]本申请实施例涉及人工智能
，特别涉及一种图像分割模型的训练方法、图像分割方法、装置及设备。

技术介绍

[0002]随着人工智能技术的发展，网络模型的应用越来越广泛，例如，将网络模型应用在图像处理
，通过网络模型识别图像中的目标区域，这种用于识别图像中的目标区域的网络模型称为图像分割模型。
[0003]相关技术中，需要获取大量的图像，人工对这些图像进行标注得到训练样本集，并基于训练样本集获取图像分割模型。然而，对于如医学成像等
，人工对图像进行标注需要耗费大量的时间和人力，在成本增加的同时，也影响了图像分割模型的训练速度，从而影响了图像分割效率。

技术实现思路

[0004]本申请实施例提供了一种图像分割模型的训练方法、图像分割方法、装置及设备，可用于解决相关技术中的时间和人力消耗大，图像分割模型的训练速度慢、图像分割效率不高的问题，所述技术方案包括如下内容。
[0005]一方面，本申请实施例提供了一种图像分割模型的训练方法，所述方法包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型的训练方法，其特征在于，所述方法包括：获取有标注图像集和无标注图像集，所述有标注图像集包括第一图像和所述第一图像的标注图像，所述标注图像是通过对所述第一图像进行标注得到的图像分割结果，所述无标注图像集包括第二图像；根据第一网络模型获取所述第一图像的预测图像，所述第一图像的预测图像是通过对所述第一图像进行预测得到的图像分割结果；根据第二网络模型获取所述第二图像的预测图像，所述第二图像的预测图像是通过对所述第二图像进行预测得到的图像分割结果；基于所述第二图像和所述第一图像的标注图像，确定所述第二图像的参考图像，所述第二图像的参考图像是通过对所述第二图像进行计算得到的图像分割结果；基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，根据所述第一网络模型确定图像分割模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述第二图像和所述第一图像的标注图像，确定所述第二图像的参考图像，包括：基于所述第一图像的标注图像，确定所述第一图像的前景原型和所述第一图像的背景原型，所述第一图像的前景原型是所述第一图像中第一区域的参考特征，所述第一图像的背景原型是所述第一图像中除所述第一区域之外的其他区域的参考特征；基于所述第一图像的前景原型、所述第一图像的背景原型和所述第二图像，确定所述第二图像的参考图像。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一图像的标注图像，确定所述第一图像的前景原型和所述第一图像的背景原型，包括：获取所述第一图像的特征图，所述第一图像的特征图用于表征所述第一图像的语义信息；基于所述第一图像的特征图和所述第一图像的标注图像，确定所述第一图像的前景原型和所述第一图像的背景原型。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一图像的前景原型、所述第一图像的背景原型和所述第二图像，确定所述第二图像的参考图像，包括：获取所述第二图像的特征图，所述第二图像的特征图用于表征所述第二图像的语义信息；基于所述第一图像的前景原型、所述第一图像的背景原型和所述第二图像的特征图，确定所述第二图像的参考图像。5.根据权利要求1至4任一所述的方法，其特征在于，所述基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，根据所述第一网络模型确定图像分割模型，包括：基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第一网络模型的损失值；基于所述第一网络模型的损失值，根据所述第一网络模型确定图像分割模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第
一网络模型的损失值，包括：基于所述第一图像的预测图像和所述第一图像的标注图像确定第一损失值；基于所述第二图像的预测图像和所述第二图像的参考图像确定第二损失值；基于所述第一损失值和所述第二损失值，确定所述第一网络模型的损失值。7.根据权利要求5所述的方法，其特征在于，所述基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第一网络模型的损失值，包括：确定所述第一网络模型的模型参数和所述第二网络模型的模型参数；基于所述第一网络模型的模型参数、所述第二网络模型的模型参数、所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第一网络模型的损失值。8.根据权利要求7所述的方法，其特征在于，所述第二网络模型的模型参数是基于所述第一网络模型的模型参数确定的。9.根据权利要求5所述的方法，其特征在于，所述根据第二网络模型获取所述第二图像的预测图像之后，还包括：基于所述第一图像和所述第二图像的预测图像，确定所述第一图像的参考图像，所述第一图像的参考图像是通过对所述第一图像进行计算得到的图像分割结果；所述基于所述第一图像的预测图像、所述第一图像的标注图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第一网络模型的损失值，包括：基于所述第一图像的预测图像、所述第一图像的标注图像、所述第一图像的参考图像、所述第二图像的预测图像和所述第二图像的参考图像，确定所述第一网络模型的损失值。10.根据权利要求9所述的方法，其特征...

【专利技术属性】
技术研发人员：徐哲，卢东焕，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：