【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种图像分割模型的训练方法、图像分割方法和装置。
技术介绍
1、随着图像处理技术的发展，出现了图像分割技术，图像分割技术是指把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术。图像分割技术的一个经典任务是图像前景分割，图像前景分割是指将图中的前景和背景区分开的任务。相关技术中，通常通过训练人工智能模型来对图像进行前景分割，通过获取到大量标注的图像对人工智能模型进行图像分割训练。然而，基于标注数据集进行图像分割训练，无法有效保障模型的图像分割准确性。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高图像分割准确性的图像分割模型的训练方法、图像分割方法和装置。
2、本申请提供了一种图像分割模型的训练方法。所述方法包括：
3、将训练图像输入待训练的图像分割模型，得到所述训练图像的第一图像特征和前景分割预测图像；
4、基于所述训练图像的前景分割标签图像和前景分割预测图像，得到第一损失，基于所述第一图像特征和目标图像特征，得到第二损失；
5、基于所述第一损失和所述第二损失，调整所述图像分割模型的模型参数，直至满足收敛条件，得到目标图像分割模型。
6、本申请提供了一种图像分割模型的训练装置。所述装置包括：
7、模型处理模块，用于将训练图像输入待训练的图像分割模型，得到所述训练图像的第一图像特征和前景分割预测图像；
8、损失确定模块，用于基于所述训练图
9、模型调整模块，用于基于所述第一损失和所述第二损失，调整所述图像分割模型的模型参数，直至满足收敛条件，得到目标图像分割模型。
10、本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述图像分割模型的训练方法所述的步骤。
11、本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述图像分割模型的训练方法所述的步骤。
12、本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述图像分割模型的训练方法所述的步骤。
13、本申请提供了一种图像分割方法。所述方法包括：
14、获取待分割图像；
15、将所述待分割图像输入目标图像分割模型，得到所述待分割图像的前景分割图像；所述目标图像分割模型通过图像分割模型的训练方法训练得到。
16、本申请提供了一种图像分割装置。所述装置包括：
17、图像获取模块，用于获取待分割图像；
18、图像分割模块，用于将所述待分割图像输入目标图像分割模型，得到所述待分割图像的前景分割图像；所述目标图像分割模型通过图像分割模型的训练方法训练得到。
19、本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述图像分割方法所述的步骤。
20、本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述图像分割方法所述的步骤。
21、本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述图像分割方法所述的步骤。
22、本申请实施例中，将训练图像输入待训练的图像分割模型，得到训练图像的第一图像特征和前景分割预测图像；基于训练图像的前景分割标签图像和前景分割预测图像，得到第一损失，基于第一图像特征和目标图像特征，得到第二损失；基于第一损失和第二损失，调整图像分割模型的模型参数，直至满足收敛条件，得到目标图像分割模型。获取待分割图像；将待分割图像输入目标图像分割模型，得到待分割图像的前景分割图像。这样，前景分割预测图像为模型预测的前景分割图像，前景分割标签图像为准确的前景分割图像，第一损失是基于训练图像的前景分割预测图像和前景分割标签图像得到的，基于第一损失调整模型参数有助于图像分割模型输出接近于前景分割标签图像的前景分割预测图像。第一图像特征是模型对输入图像进行数据处理得到的图像特征，目标图像特征是期望的、作为参考的图像特征，第二损失是基于第一图像特征和目标图像特征得到的，基于第二损失调整模型参数有助于提高图像分割模型针对输入图像的图像特征处理能力。最终基于第一损失和第二损失调整模型参数，能够提高模型训练质量，能够使得图像分割模型提取到输入图像更准确的图像特征，使得图像分割模型基于提取到的图像特征输出准确的前景分割图像，保障最终训练得到的目标图像分割模型具有较高的图像分割准确性。将待分割图像输入目标图像分割模型，目标图像分割模型可以输出准确的前景分割图像。
本文档来自技高网...【技术保护点】
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：
2.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第一网络和第二网络，所述第一网络包括多个依次连接的第一网络层，所述第二网络包括依次连接的多个第二网络层和输出层，所述多个第一网络层和所述多个第二网络层一一对应，所述第一网络中的最后一个第一网络层连接所述第二网络中的第一个第二网络层；所述将训练图像输入待训练的图像分割模型，得到所述训练图像的第一图像特征和前景分割预测图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述生成网络包括与所述多个第二网络层一一对应的生成网络层，所述目标图像特征包括多个生成网络层各自输出的图像特征；
5.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第一网络和第二网络；
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特征和目标图像特征，得到第二损失，包括：
7.根据权利要求6所述的方法，其特征在于，所述第二网络包括映射层和
8.一种图像分割方法，其特征在于，所述方法包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【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：
2.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第一网络和第二网络，所述第一网络包括多个依次连接的第一网络层，所述第二网络包括依次连接的多个第二网络层和输出层，所述多个第一网络层和所述多个第二网络层一一对应，所述第一网络中的最后一个第一网络层连接所述第二网络中的第一个第二网络层；所述将训练图像输入待训练的图像分割模型，得到所述训练图像的第一图像特征和前景分割预测图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述生成网络包括与所述多个第二网络层一一对应的生成网络层，所述目标图像特征包括多个生成网络层各自输出的...
【专利技术属性】
技术研发人员：陈圣，
申请(专利权)人：马上消费金融股份有限公司，
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。