【技术实现步骤摘要】
本公开涉及图像处理，尤其涉及一种图像分割模型的训练方法、装置、电子设备及介质。
技术介绍
1、目前，图像分割模型的训练方法中，获取连续多帧图像；将其中的初始帧图像以及其他帧图像进行融合，得到模糊图像；进而结合模糊图像以及连续多帧图像的标注数据构建训练数据，用于对图像分割模型进行训练处理。
2、其中，连续多帧图像以及对应的标注数据的获取难度大，获取成本高，获取时间长，导致图像分割模型的训练成本较高，训练效率差。
技术实现思路
1、本公开提供一种图像分割模型的训练方法、装置、电子设备及介质。
2、根据本公开实施例的第一方面，提供一种图像分割模型的训练方法，所述方法包括：获取图像集合以及初始的图像分割模型；所述图像集合包括，原始图像以及所述原始图像的真值图像；所述真值图像，指示所述原始图像中各个像素点的对象类别；对所述原始图像中的目标区域进行模糊处理，得到所述原始图像对应的模糊后图像；根据各个模糊后图像，以及所述模糊后图像对应的原始图像的真值图像，构建训练数据；采用所述训练数据，对所述初始的图像分割模型进行训练处理。
3、在本公开的一个实施例中，所述目标区域，为所述原始图像中至少一个目标对象类别对应的区域；所述方法还包括：根据所述原始图像的真值图像，确定所述原始图像中各个像素点的对象类别；从多个对象类别中选择至少一个目标对象类别；针对每个目标对象类别，将所述原始图像中具有所述目标对象类别的像素点所组成的区域，确定为所述目标区域。
4、在本公
5、在本公开的一个实施例中，在针对每个目标对象类别，将所述原始图像中具有所述目标对象类别的像素点所组成的区域，确定为所述目标区域之后，所述方法还包括：获取像素点位移数量阈值；按照所述像素点位移数量阈值，在所述原始图像中对所述目标区域的边界进行像素点扩散处理，得到所述原始图像中的处理后区域；根据所述处理后区域，对所述目标区域进行更新处理。
6、在本公开的一个实施例中，所述对所述原始图像中的目标区域进行模糊处理，得到所述原始图像对应的模糊后图像，包括：确定所述目标区域的模糊核；基于所述模糊核对所述目标区域进行模糊处理，得到所述目标区域对应的模糊后区域；对所述原始图像中的所述目标区域，采用所述目标区域对应的模糊后区域进行替换处理，得到所述模糊后图像。
7、在本公开的一个实施例中，所述确定所述目标区域的模糊核，包括：确定模糊核尺寸以及旋转角度；获取具有所述模糊核尺寸的单位矩阵；根据所述单位矩阵、所述旋转角度、设置有第一变量的放射变换矩阵以及所述目标区域的尺寸信息，确定所述目标区域的模糊核；所述第一变量为旋转中心点坐标；所述旋转中心点坐标，根据所述单位矩阵确定。
8、在本公开的一个实施例中，所述确定模糊核尺寸以及旋转角度，包括：获取预设尺寸范围以及角度范围；从所述预设尺寸范围中随机选择一个尺寸，作为所述模糊核尺寸；从所述角度范围中随机选择一个角度，作为所述旋转角度。
9、在本公开的一个实施例中，所述采用所述训练数据，对所述初始的图像分割模型进行训练处理，包括：将所述模糊后图像输入所述图像分割模型，获取所述图像分割模型输出的预测值图像；所述预测值图像，指示所述模糊后图像中各个像素点的预测对象类别；根据所述预测值图像、所述模糊后图像对应的原始图像的真值图像、以及所述图像分割模型的损失函数，确定所述损失函数的数值；根据所述损失函数的数值，对所述图像分割模型进行参数调整处理，实现训练。
10、根据本公开实施例的第二方面，还提供一种图像分割方法，所述方法包括：获取待处理图像；将所述待处理图像输入预设的图像分割模型，获取所述图像分割模型输出的预测值图像；所述预测值图像，指示所述待处理图像中各个像素点的预测对象类别；所述图像分割模型，结合样本原始图像、所述样本原始图像的真值图像、所述样本原始图像对应的样本模糊图像进行训练得到；所述样本模糊图像为对所述样本原始图像进行区域模糊处理后得到；根据所述待处理图像以及所述预测值图像，确定所述待处理图像的图像分割结果。
11、根据本公开实施例的第三方面，还提供一种图像分割模型的训练装置，所述装置包括：获取模块，用于获取图像集合以及初始的图像分割模型；所述图像集合包括，原始图像以及所述原始图像的真值图像；所述真值图像，指示所述原始图像中各个像素点的对象类别；模糊处理模块，用于对所述原始图像中的目标区域进行模糊处理，得到所述原始图像对应的模糊后图像；构建模块，用于根据各个模糊后图像，以及所述模糊后图像对应的原始图像的真值图像，构建训练数据；训练处理模块，用于采用所述训练数据，对所述初始的图像分割模型进行训练处理。
12、在本公开的一个实施例中，所述目标区域，为所述原始图像中至少一个目标对象类别对应的区域；所述装置还包括：第一确定模块、选择模块和第二确定模块；所述第一确定模块，用于根据所述原始图像的真值图像，确定所述原始图像中各个像素点的对象类别；所述选择模块，用于从多个对象类别中选择至少一个目标对象类别；所述第二确定模块，用于针对每个目标对象类别，将所述原始图像中具有所述目标对象类别的像素点所组成的区域，确定为所述目标区域。
13、在本公开的一个实施例中，所述选择模块具体用于，从多个对象类别中获取至少一个候选对象类别；所述候选对象类别对应的对象，为可移动的对象；从至少一个候选对象类别中选择所述目标对象类别。
14、在本公开的一个实施例中，所述装置还包括：扩散处理模块和更新处理模块；所述获取模块，还用于获取像素点位移数量阈值；所述扩散处理模块，用于按照所述像素点位移数量阈值，在所述原始图像中对所述目标区域的边界进行像素点扩散处理，得到所述原始图像中的处理后区域；所述更新处理模块，用于根据所述处理后区域，对所述目标区域进行更新处理。
15、在本公开的一个实施例中，所述模糊处理模块包括，确定单元、模糊处理单元和替换处理单元；所述确定单元，用于确定所述目标区域的模糊核；所述模糊处理单元，用于基于所述模糊核对所述目标区域进行模糊处理，得到所述目标区域对应的模糊后区域；所述替换处理单元，用于对所述原始图像中的所述目标区域，采用所述目标区域对应的模糊后区域进行替换处理，得到所述模糊后图像。
16、在本公开的一个实施例中，所述确定单元具体用于，确定模糊核尺寸以及旋转角度；获取具有所述模糊核尺寸的单位矩阵；根据所述单位矩阵、所述旋转角度、设置有第一变量的放射变换矩阵以及所述目标区域的尺寸信息，确定所述目标区域的模糊核；所述第一变量为旋转中心点坐标；所述旋转中心点坐标，根据所述单位矩阵确定。
17、在本公开的一个实施例中，所述确定单元具体还用于，获取预设尺寸范围以及角度范围；从所述预设尺寸本文档来自技高网...
【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，所述目标区域，为所述原始图像中至少一个目标对象类别对应的区域；所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述从多个对象类别中选择至少一个目标对象类别，包括：
4.根据权利要求2所述的方法，其特征在于，在针对每个目标对象类别，将所述原始图像中具有所述目标对象类别的像素点所组成的区域，确定为所述目标区域之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述原始图像中的目标区域进行模糊处理，得到所述原始图像对应的模糊后图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定所述目标区域的模糊核，包括：
7.根据权利要求6所述的方法，其特征在于，所述确定模糊核尺寸以及旋转角度，包括：
8.根据权利要求1所述的方法，其特征在于，所述采用所述训练数据，对所述初始的图像分割模型进行训练处理，包括：
9.一种图像分割方法，其特征在于，所述方法包括：>
10.一种图像分割模型的训练装置，其特征在于，所述装置包括：
11.一种图像分割装置，其特征在于，所述装置包括：
12.一种电子设备，其特征在于，包括：
13.一种非临时性计算机可读存储介质，当存储介质中的指令由处理器执行时，使得处理器能够执行如权利要求1至8中任一项所述的图像分割模型的训练方法；或者，执行如权利要求9所述的图像分割方法。
14.一种芯片，其特征在于，包括一个或多个接口电路和一个或多个处理器；所述接口电路用于从电子设备的存储器接收信号，并向所述处理器发送所述信号，所述信号包括存储器中存储的计算机指令，当所述处理器执行所述计算机指令时，使得所述电子设备执行权利要求1至8中任一项所述的图像分割模型的训练方法；或者，执行权利要求9所述的图像分割方法。
...【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，所述目标区域，为所述原始图像中至少一个目标对象类别对应的区域；所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述从多个对象类别中选择至少一个目标对象类别，包括：
4.根据权利要求2所述的方法，其特征在于，在针对每个目标对象类别，将所述原始图像中具有所述目标对象类别的像素点所组成的区域，确定为所述目标区域之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述原始图像中的目标区域进行模糊处理，得到所述原始图像对应的模糊后图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定所述目标区域的模糊核，包括：
7.根据权利要求6所述的方法，其特征在于，所述确定模糊核尺寸以及旋转角度，包括：
8.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：韩炳男，黄渊，褚福辰，尹玄武，
申请(专利权)人：上海玄戒技术有限公司，
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。