【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别是涉及图像分割方法、系统、存储介质和装置。
技术介绍
1、图像分割算法目前在很多领域得到了广泛应用。图像分割算法主要是用于对获取的图像数据进行分割处理，以获得图像数据的分类结果。例如，在自动驾驶领域、医疗影像辅助诊断、卫星遥感领域等都有广泛应用。但传统的图像分割算法的准确度有待进一步提高。
技术实现思路
1、基于此，提供一种图像分割方法。该图像分割方法中，训练过程中的学生模型参数取指数移动平均，从而获得更加鲁棒的教师模型，并用教师模型的预测结果作为伪标签来监督学生模型的学习。有利于提高图像分割方法的准确度。
2、一种图像分割方法，包括：
3、获取待分类的图像数据；
4、采用分割模型对图像数据进行处理，以获得图像数据的分类结果，其中，分割模型包括一个教师模型和一个学生模型，
5、所述分割模型是通过以下方法进行训练：
6、所述学生模型的参数以表示，所述教师模型的参数以表示，学生模型使用指数移动平均算法来更新教师模型的参数,具体应用以下公式：，其中t表示相应的训练步骤，，为相应的平滑系数，用来调整和的权重，对于样本x，学生模型对其预测结果为，教师模型对其预测结果为，和可以通过以下公式获得：
7、，
8、，
9、其中，学生模型和教师模型采用相同模型结构，使用表示，其中和为不同的高斯噪声，将教师模型的输出作为伪标签，以此监督学生模型学习，
10、最终损失
11、通过最终损失函数对所述分割模型进行训练。
12、在其中一个实施例中，使用来衡量伪标签和真实标签y之间的距离，以此自适应的调整权重。
13、在其中一个实施例中，
14、，
15、其中和为特定的权重值，，为相应的阈值，
16、通过以下方式确定的值：在训练过程中，记录过去k个训练步骤中的值，设其为向量k，取处于第n百分位的值作为的值,，其中表示取百分位的函数。
17、在其中一个实施例中，
18、使用来表示中第v个像素，其不确定度通过以下公式获得：，选定阈值为，最终过滤掉的部分，仅用剩余的部分进行监督，
19、最终的一致性损失函数为：
20、
21、其中为相应的指示函数，
22、使用以下公式确定的值：
23、，
24、其中u表示伪标签对应的整个不确定图，表示展平操作，表示第i个训练轮次所对应的概率,
25、采用以下公式确定的大小：
26、
27、表示初始百分位。
28、在其中一个实施例中，
29、所述教师模型和学生模型都为语义分割模型。
30、一种图像分割系统，包括：
31、数据获取单元，所述数据获取单元用于获取待分类的图像数据；
32、数据处理单元，所述数据处理单元用于对图像数据进行处理，具体包括以下步骤：
33、采用分割模型对图像数据进行处理，以获得图像数据的分类结果，其中，分割模型包括一个教师模型和一个学生模型，
34、所述分割模型是通过以下方法进行训练：
35、所述学生模型的参数以表示，所述教师模型的参数以表示，学生模型使用指数移动平均算法来更新教师模型的参数,具体应用以下公式：，
36、其中t表示相应的训练步骤，，为相应的平滑系数，用来调整h和的权重，对于样本x，学生模型对其预测结果为，教师模型对其预测结果为，和可以通过以下公式获得：
37、，
38、，
39、其中，学生模型和教师模型采用相同模型结构，使用表示，其中和为不同的高斯噪声，将教师模型的输出作为伪标签，以此监督学生模型学习，
40、最终损失函数为：，
41、其中y表示样本x所对应的真实标签，为分割损失函数，为一致性损失函数，用以控制和的比重。
42、通过最终损失函数对所述分割模型进行训练。
43、一种计算机存储介质，所述计算机存储介质中存储有至少一个可执行指令，所述可执行指令使处理器执行所述的图像分割方法对应的操作。
44、一种计算机装置，包括：处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器用于存放至少一个可执行指令，所述可执行指令使所述处理器执行所述的图像分割方法对应的操作。
45、本申请的有益效果为：
46、本申请对训练过程中的学生模型参数取指数移动平均（exponential movingaverage， ema），以获得更加鲁棒的教师模型，并用教师模型的预测结果作为伪标签来监督学生模型的学习。本申请还考虑了当真实标签存在过多噪声时，应该更多地使用伪标签来监督模型的训练，本申请通过衡量伪标签和真实标签之间的相似度，来动态分配标签监督和伪标签监督的权重。本申请还考虑了教师模型生成的伪标签也可能存在像素级别的噪声，所以本申请基于对伪标签的不确定度估计，减轻伪标签中的噪声对训练的影响。以进一步提高本申请的图像分割方法的准确度。
47、在医疗图像分割领域，具体为肋骨图像分割领域，本申请通过使用ribseg数据集，并进行对比试验发现，通过使用本申请的方法，可显著提高dice系数、rib recall值。
本文档来自技高网...【技术保护点】
1.一种图像分割方法，其特征在于，包括：
2.根据权利要求1所述的图像分割方法，其特征在于，使用来衡量伪标签和真实标签y之间的距离，以此自适应的调整权重。
3.根据权利要求2所述的图像分割方法，其特征在于，
4.根据权利要求3所述的图像分割方法，其特征在于，
5.根据权利要求1所述的图像分割方法，其特征在于，所述教师模型和学生模型都为语义分割模型。
6.一种图像分割系统，其特征在于，包括：
7.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一个可执行指令，所述可执行指令使处理器执行如权利要求1至5中任意一项所述的图像分割方法对应的操作。
8.一种计算机装置，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器用于存放至少一个可执行指令，所述可执行指令使所述处理器执行如权利要求1至5中任意一项所述的图像分割方法对应的操作。
【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
2.根据权利要求1所述的图像分割方法，其特征在于，使用来衡量伪标签和真实标签y之间的距离，以此自适应的调整权重。
3.根据权利要求2所述的图像分割方法，其特征在于，
4.根据权利要求3所述的图像分割方法，其特征在于，
5.根据权利要求1所述的图像分割方法，其特征在于，所述教师模型和学生模型都为语义分割模型。
6.一种图像分割系统，其特征在于，包括：...
【专利技术属性】
技术研发人员：左严，杨萍萍，汤斌，王正荣，王祥伟，包寅杰，张世兰，刘振威，
申请(专利权)人：江苏新希望科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。