图像分割模型训练方法、图像分割方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114066896A(43)申请公布日2022.02.18(21)申请号202010746718.0(22)申请日2020.07.29(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人刘家怡王华彦(74)专利代理机构北京银龙知识产权代理有限公司11243代理人许静黄灿(51)Int.Cl.G06T7/10(2017.01)权利要求书2页说明书13页附图7页(54)发明名称图像分割模型训练方法、图像分割方法及装置(57)摘要本公开关于一种图像分割模型训练方法、图像分割方法及装置。该方法包括：将目标样本图像输入训练好的第一图像分割模型，以得到第一图像分割概率和第一图像分割标记；将目标样本图像输入待训练的第二图像分割模型，以得到第二图像分割概率和第二图像分割标记；根据第一图像分割标记和第二图像分割标记，确定第一分割损失函数；根据第一分割损失函数，训练第二图像分割模型；其中，第一图像分割模型的模型参数总数多于第二图像分割模型的模型参数总数。根据本公开的方案，利用复杂图像分割模型提供的高质量图像分割标记训练简单图像分割模型，可以提高简单图像分割模型的训练准确度。CN114066896ACN114066896A权利要求书1/2页1.一种图像分割模型训练方法，其特征在于，所述方法包括：将目标样本图像输入训练好的第一图像分割模型，以得到第一图像分割概率和第一图像分割标记，所述第一图像分割标记基于所述第一图像分割概率确定；将所述目标样本图像输入待训练的第二图像分割模型，以得到第二图像分割概率和第二图像分割标记，所述第二图像分割标记基于所述第二图像分割概率确定；根据所述第一图像分割概率和所述第二图像分割概率，确定蒸馏损失函数；根据所述第一图像分割标记和所述第二图像分割标记，确定第一分割损失函数；根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型；其中，所述第一图像分割模型的模型参数总数多于所述第二图像分割模型的模型参数总数。2.根据权利要求1所述的方法，其特征在于，所述目标样本图像包括预先标注的目标图像分割标记；所述根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型步骤之前，所述方法还包括：根据所述第二图像分割标记和所述目标图像分割标记，确定第二分割损失函数；所述根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型步骤，包括：根据所述蒸馏损失函数、所述第一分割损失函数和所述第二分割损失函数，训练所述第二图像分割模型。3.根据权利要求2所述的方法，其特征在于，所述目标图像分割标记由人工标注或由第三图像分割模型预测得到。4.根据权利要求1所述的方法，其特征在于，所述确定第一分割损失函数步骤之后，所述根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型步骤之前，所述方法还包括：对所述第一分割损失函数进行平滑处理；所述根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型步骤，包括：根据所述蒸馏损失函数和平滑处理后的所述第一分割损失函数，训练所述第二图像分割模型。5.一种图像分割方法，其特征在于，所述方法包括：将待分割的第一图像输入第二图像分割模型，以得到第三图像分割标记；根据所述第三图像分割标记，确定所述第一图像中的分割对象对应的目标区域；其中，所述第二图像分割模型通过如权利要求1至4中任一项所述的图像分割模型训练方法训练得到。6.根据权利要求5所述的方法，其特征在于，所述确定所述第一图像中的分割对象对应的目标区域步骤之后，所述方法还包括：在接收到针对所述目标区域的第一输入的情况下，调整所述目标区域的显示信息；其中，所述显示信息包括以下至少一项：显示对象、显示颜色。7.一种图像分割模型训练装置，其特征在于，所述图像分割模型训练装置包括：2CN114066896A权利要求书2/2页第一输入模块，被配置为将目标样本图像输入训练好的第一图像分割模型，以得到第一图像分割概率和第一图像分割标记，所述第一图像分割标记基于所述第一图像分割概率确定；第二输入模块，被配置为将所述目标样本图像输入待训练的第二图像分割模型，以得到第二图像分割概率和第二图像分割标记，所述第二图像分割标记基于所述第二图像分割概率确定；第一确定模块，被配置为根据所述第一图像分割概率和所述第二图像分割概率，确定蒸馏损失函数；第二确定模块，被配置为根据所述第一图像分割标记和所述第二图像分割标记，确定第一分割损失函数；训练模块，被配置为根据所述蒸馏损失函数和所述第一分割损失函数，训练所述第二图像分割模型；其中，所述第一图像分割模型的模型参数总数多于所述第二图像分割模型的模型参数