[发明专利]图像分割模型的训练方法、装置、电子设备和存储介质

权利要求书

1.一种图像分割模型的训练方法，其特征在于，包括：

获取包括第一图像和第二图像的训练样本，所述第一图像包括对应于目标对象的目标区域和所述目标区域之外的背景区域，所述第一图像对应的标准分割图像用于指示所述目标区域和所述背景区域的相对位置关系，所述第二图像由所述第一图像经过数据扩增处理得到；

将所述训练样本输入待训练模型，以获取所述待训练模型对所述训练样本中的所述目标对象进行分割处理后输出的第一分割图像和第二分割图像，所述第一分割图像对应于所述第一图像，所述第二分割图像对应于所述第二图像；

根据所述第一分割图像和所述标准分割图像之间的差值，得到独立分割损失，并根据所述第一分割图像和所述第二分割图像之间的差值，得到关联分割损失；

结合所述独立分割损失和所述关联分割损失得到所述待训练模型的综合分割损失，并根据所述综合分割损失训练所述待训练模型以得到所述图像分割模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一分割图像和所述标准分割图像之间的差值，得到独立分割损失，包括：

基于所述第一分割图像与所述标准分割图像中各像素点的预测概率值，利用交叉墒损失函数计算所述独立分割损失，其中，任一像素点的预测概率值用于表征该像素点位于所述目标区域或所述背景区域的概率。

3.根据权利要求1所述的方法，其特征在于，所述数据扩增处理包括为所述第一图像添加光线信息，所述根据所述第一分割图像和所述第二分割图像之间的差值，得到关联分割损失，包括：

获取所述第一分割图像与所述第二分割图像中各像素点分别对应的基本特征向量，任一像素点对应的所述基本特征向量用于表征所述待训练模型对该像素点位于所述目标区域的预测概率值的大小；

确定所述第一分割图像与所述第二分割图像中的各相应像素点分别对应的所述基本特征向量之间的向量距离，所述第一分割图像中的任一像素点与所述第二分割图像中相同位置的像素点互为所述相应像素点；

将所述各像素点分别对应的所述向量距离的平均值作为所述关联分割损失。

4.根据权利要求1所述的方法，其特征在于，所述数据扩增处理包括对所述第一图像进行仿射变换，所述根据所述第一分割图像和所述第二分割图像之间的差值，得到关联分割损失，包括：

对所述第一分割图像进行所述仿射变换以得到第一变换分割图像，并将所述第一变换分割图像与所述第二分割图像作为关联分割图像；或者，对所述第二分割图像进行对应于所述仿射变换的逆变换以得到第二变换分割图像，并将所述第一分割图像与所述第二变换分割图像作为关联分割图像；

获取作为关联分割图像的两图像中各像素点分别对应的基本特征向量，并确定所述基本特征向量之间的向量距离，任一像素点对应的所述基本特征向量用于表征所述待训练模型对该像素点位于所述目标区域的预测概率值的大小；

将所述各像素点对应的所述向量距离的平均值作为所述关联分割损失。

5.一种图像分割方法，其特征在于，包括：

获取待分割图像，所述待分割图像包括对应于待分割对象的对象区域和所述对象区域之外的背景区域；

将所述待分割图像输入图像分割模型，以获取所述图像分割模型对所述待分割图像中的所述目标对象进行分割处理后输出的分割后图像，所述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的训练方法预训练得到。