[发明专利]模型训练方法及装置、图像分割方法及装置

权利要求书

1.一种模型训练方法，其特征在于，用于训练包括反馈传播模块的初始分割模型，以生成包括所述反馈传播模块的图像分割模型，其中，所述反馈传播模块是一个包括多个循环迭代计算的特征提取器，所述方法包括：

确定待分割图像样本以及与所述待分割图像样本对应的分割标注数据样本；

利用所述初始分割模型对所述待分割图像样本进行分割，以确定多个中间分割预测数据，其中，所述多个中间分割预测数据为基于所述反馈传播模块的循环迭代计算的输出结果而确定的分割预测数据；

基于所述多个中间分割预测数据，确定所述待分割图像样本对应的分割不确定性数据，所述分割不确定性数据用于表征分割模型获得的分割预测数据的确定程度；

基于所述分割不确定性数据、所述多个中间分割预测数据和所述分割标注数据样本，训练所述初始分割模型，以生成所述图像分割模型；

其中，所述循环迭代计算的次数为N，N为大于或等于2的正整数；

其中，所述利用所述初始分割模型对所述待分割图像样本进行分割，以确定多个中间分割预测数据，包括：

基于所述待分割图像样本，确定与所述待分割图像样本对应的全局共享特征数据；

基于所述全局共享特征数据和所述反馈传播模块的第M次的循环迭代计算对应的特征数据，确定第M+1次的循环迭代计算对应的特征数据，其中，M为小于N的正整数，N为大于或等于2的正整数；

基于第1次至第N次的循环迭代计算各自对应的特征数据，确定所述多个中间分割预测数据；

其中，所述基于所述分割不确定性数据、所述多个中间分割预测数据和所述分割标注数据样本，训练所述初始分割模型，以生成所述图像分割模型，包括：

基于第1次至第N-1次的循环迭代计算对应的中间分割预测数据和所述分割标注数据样本，确定N-1个中间损失函数；

结合所述分割不确定性数据，基于第N次的循环迭代计算对应的中间分割预测数据和所述分割标注数据样本，确定结合不确定性的损失函数；

基于所述N-1个中间损失函数和所述结合不确定性的损失函数，训练所述初始分割模型，以生成所述图像分割模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述结合所述分割不确定性数据，基于第N次的循环迭代计算对应的中间分割预测数据和所述分割标注数据样本，确定结合不确定性的损失函数，包括：

对所述第N次的循环迭代计算对应的中间分割预测数据和所述分割标注数据样本进行损失计算，以确定第一初始损失值；

以所述分割不确定性 数据为权重值，对所述第一初始损失值进行加权运算，获取加权运算后损失值；

基于交叉熵函数和所述加权运算后损失值，获取所述结合不确定性的损失函数。

3.根据权利要求1所述的模型训练方法，其特征在于，所述基于第1次至第N-1次的循环迭代计算对应的中间分割预测数据和所述分割标注数据样本，确定N-1个中间损失函数，包括：

针对所述第1次至第N-1次的循环迭代计算对应的中间分割预测数据中的每个中间分割预测数据，对所述中间分割预测数据和所述分割标注数据样本进行损失计算，以确定所述中间分割预测数据对应的第二初始损失值；

基于交叉熵函数和所述第1次至第N-1次的循环迭代计算对应的中间分割预测数据对应的N-1个第二初始损失值，确定所述N-1个中间损失函数。

4.根据权利要求1至3任一所述的模型训练方法，其特征在于，所述基于所述N-1个中间损失函数和所述结合不确定性的损失函数，训练所述初始分割模型，以生成所述图像分割模型，包括：

叠加所述N-1个中间损失函数和所述结合不确定性的损失函数，获取叠加运算后损失函数；

基于所述叠加运算后损失函数，训练所述初始分割模型，以生成所述图像分割模型。