[发明专利]图像分割模型的训练方法及装置及图像分割方法及装置

说明书

本公开实施例提供了一种图像分割模型的训练方法及装置及图像分割方法及装置，训练方法包括：获取多个图像样本以及标定分割标签；确定每个标定分割标签对应的标定边缘标签；将每个图像样本输入第一级网络中得到每个图像样本对应的第一预测分割结果及预测边缘结果；将每个图像样本以及对应的第一预测分割结果及预测边缘结果输入第二级网络中得到每个图像样本对应的第二预测分割结果；基于第一预测分割结果与标定分割标签的差异、第二预测分割结果与标定分割标签的差异以及预测边缘结果与标定边缘标签的差异，对初始图像分割模型进行训练，得到图像分割模型。由于在训练时以及对图像进行分割时加入了目标对象的边缘信息，可以提高图像分割准确度。

技术领域

本公开涉及图像处理技术领域，特别是涉及一种图像分割模型的训练方法及装置及图像分割方法及装置。

背景技术

图像分割在图像处理领域的应用非常广泛，其主要作用是将某目标对象从图像背景中分离出来，例如，目标对象为人体，那么图像分割即为将人体从图像背景中分离出来。

目前主要的图像分割方式为深度学习方式，即通过网络模型对图像进行分割处理。以目标对象为人体为例，网络模型的生成方式为：首先收集大量的图像样本，图像样本包括包含人体与不包含人体的图像。标注每个图像样本中哪些像素点属于人体，得到标定标签。然后将图像样本输入预先建立的第一级网络进行处理得到第一分割标签，再将图像样本及分割标签输入预先建立的第二级网络进行处理，得到第二分割标签，进而，基于第一分割标签、第二分割标签及标定标签之间的差异，不断调整第一级网络及第二级网络的参数，最终得到用于图像分割的网络模型。

这种方式虽然可以达到图像分割的目标，但是分割的准确度并不高，特别是在图像背景比较复杂的情况下，容易将本来属于图像背景的像素点分割为目标对象的像素点。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种图像分割模型的训练方法及装置及图像分割方法及装置。具体技术方案如下：

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：

获取多个图像样本以及每个所述图像样本对应的标定分割标签，其中，所述标定分割标签用于标识对应的图像样本中目标对象所占区域；

基于所述标定分割标签中所述目标对象的边缘像素点，确定每个所述标定分割标签对应的标定边缘标签；

将每个所述图像样本输入预先建立的初始图像分割模型的第一级网络中进行图像处理，得到每个所述图像样本对应的第一预测分割结果及预测边缘结果；

将每个所述图像样本以及对应的所述第一预测分割结果及所述预测边缘结果输入所述初始图像分割模型的第二级网络中进行图像分割处理，得到每个所述图像样本对应的第二预测分割结果；

基于每个所述图像样本对应的所述第一预测分割结果与所述标定分割标签的差异、所述第二预测分割结果与所述标定分割标签的差异以及所述预测边缘结果与所述标定边缘标签的差异，对所述初始图像分割模型进行训练，得到图像分割模型。

作为一种实施方式，所述第二级网络包括输入层、中间层及输出层；

所述将每个所述图像样本以及对应的所述第一预测分割结果及所述预测边缘结果输入所述初始图像分割模型的第二级网络中进行图像分割处理，得到每个所述图像样本对应的第二预测分割结果的步骤，包括：

将每个所述图像样本以及对应的所述第一预测分割结果输入所述输入层进行图像特征提取，得到第一特征图；

将所述第一特征图输入所述中间层进行图像特征提取，得到第二特征图；

将每个所述图像样本对应的所述预测边缘结果与每个所述图像样本对应的第二特征图进行拼接，得到第三特征图；