一种基于稀疏标注训练分割模型的方法及装置制造方法及图纸

本说明书公开了一种基于稀疏标注训练分割模型的方法及装置，在训练样本的标注仅包含样本图像中的部分像素对应的预设分类的情况下，将训练样本输入分割模型中，得到各像素分别对应的初始分类结果，并对各像素的初始分类结果进行模糊操作，得到各像素分别对应的参考分类结果，以初始分类结果和参考分类结果相同的像素确定参考像素，并根据参考像素的初始分类结果对该训练样本的标注进行更新，基于样本图像及其对应的更新后的标注，对该分割模型进行训练。则基于本说明书中的该基于稀疏标注训练分割模型的方法，即使是在仅对训练样本中的部分像素进行标注的情况下，也可训练得到较为准确的分割模型，保证了模型训练的效率。保证了模型训练的效率。保证了模型训练的效率。

【技术实现步骤摘要】
一种基于稀疏标注训练分割模型的方法及装置


[0001]本说明书涉及图像分割领域，尤其涉及一种基于稀疏标注训练分割模型的方法及装置。

技术介绍

[0002]目前，随着计算机技术的发展和业务融合的需要，深度学习在人工智能和计算机视觉等众多领域取得了巨大进展。在语义分割领域，随着多种分割模型被相继提出，基于精细标注的语义分割算法得到了很好的分割结果。
[0003]但是，现有技术中，训练样本的精细标注通常为训练样本包含的各像素分别对应的预设分类，且训练样本的标注通常需由人工确定。人工标注耗时长、成本高的特点以及训练样本中需进行标注的像素过多的特点，使得现有技术中的训练效率较低。
[0004]基于此，本说明书提供一种基于稀疏标注训练分割模型的方法。

技术实现思路

[0005]本说明书提供一种基于稀疏标注训练分割模型的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
[0006]本说明书采用下述技术方案：本说明书提供一种基于稀疏标注训练分割模型的方法，所述方法包括：获取样本图像及其标注，所述标注为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏标注训练分割模型的方法，其特征在于，所述方法包括：获取样本图像及其标注，所述标注为所述样本图像中各指定像素对应的预设分类，所述指定像素为所述样本图像中的部分像素；将所述样本图像输入待训练的分割模型中，得到所述分割模型输出的所述样本图像中的各像素分别对应的初始分类结果；对所述各像素的初始分类结果进行模糊操作，得到所述各像素分别对应的参考分类结果；根据所述初始分类结果和所述参考分类结果相同的像素，确定参考像素；根据所述参考像素以及所述参考像素的初始分类结果，将所述样本图像的标注进行更新；根据所述样本图像以及更新后的所述标注，对所述分割模型进行训练。2.如权利要求1所述的方法，其特征在于，得到所述分割模型输出的所述样本图像中的各像素分别对应的初始分类结果，具体包括：得到所述分割模型输出的所述样本图像中各像素分别属于各预设分类的概率；针对所述样本图像中的每个像素，根据该像素属于所述各预设分类的概率，从所述各预设分类中，确定该像素对应的初始分类结果。3.如权利要求1所述的方法，其特征在于，对所述各像素的初始分类结果进行模糊操作，得到所述各像素分别对应的参考分类结果，具体包括：确定各预设分类分别对应的像素值；按照所述各预设分类分别对应的像素值，对所述各像素分别对应的初始分类结果进行填充，得到分割图；根据预设的模糊卷积核，对所述分割图进行卷积操作，并根据模糊后的所述分割图，确定所述各像素分别对应的参考分类结果。4.如权利要求2所述的方法，其特征在于，根据所述初始分类结果和所述参考分类结果相同的像素，确定参考像素，具体包括：根据各像素分别对应的初始分类结果和所述参考分类结果，确定所述初始分类结果和所述参考分类结果相同的像素，作为待选像素；从各待选像素中，确定属于初始分类结果的概率大于预设的概率阈值的待选像素，作为参考像素。5.如权利要求1所述的方法，其特征在于，根据所述参考像素以及所述参考像素的初始分类结果，将所述样本图像的标注进行更新，具体包括：将各参考像素作为各指定像素，并根据重新确定出的各指定像素分别对应的初始分类结果，确定所述样本图像的标注。6.如权利要求1所述的方法，其特征在于，在根据所述样本图像以及更新后的所述标注，对所述分割模型进行训练前，所述方法还包括：针对所述样本图像中的每个像素，根据该像素的初始分类结果、该像素和其他各像素之间的相关度，以及所述其他各像素...

【专利技术属性】
技术研发人员：苏慧，王瑾，叶玥，
申请(专利权)人：之江实验室，
类型：发明
国别省市：