[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

说明书

本公开关于图像分割模型的训练方法、装置、电子设备和存储介质，所述方法包括：获取包括第一图像和第二图像的训练样本，第一图像包括对应于目标对象的目标区域和目标区域之外的背景区域，第一图像对应的标准分割图像用于指示目标区域和背景区域的相对位置关系；将训练样本输入待训练模型，以获取待训练模型对训练样本中的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；根据第一分割图像和标准分割图像确定独立分割损失，并根据第一分割图像和第二分割图像确定关联分割损失；结合上述两损失得到综合分割损失，并据此训练上述待训练模型以得到图像分割模型。该方法训练所得图像分割模型适用场景广泛且分割稳定性较高。

技术领域

本公开涉及神经网络领域，尤其涉及图像分割模型的训练方法、装置、电子设备和存储介质。

背景技术

对图像中的人像、车辆等目标对象进行图像分割，即为通过识别图像中的目标对象对应的目标区域，对目标区域与除目标区域之外的背景区域进行区分。在图像分割过程中，分割结果的稳定性至关重要，例如，在对视频对应的视频帧图像进行图像分割时，若相邻帧图像的分割结果差异较大(即分割结果不稳定)，则在视频播放过程中会出现对象展示区域跳变等情况，从而视频播放效果较差，且不利于针对目标对象的后期处理。

为解决这一问题，在相关技术中，一方面可以采用已标注视频样本对图像分割模型进行训练，但是当前可供技术人员选用的已标注视频样本较少，因此使用这类已标注视频样本训练得到的图像分割模型的泛化能力弱，适用场景较为单一。另一方面可以通过时序平滑、结果差值等后处理方法对分割结果进行弥补，但这类后期补救方法也并未从根本上提高图像分割的稳定性。

发明内容

本公开提供了图像分割模型的训练方法、装置、电子设备和存储介质，以至少解决相关技术中的技术问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提出一种图像分割模型的训练方法，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。

可选的，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。

可选的，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；