[发明专利]图像分割方法及装置

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括：

将待分割图像输入至预先训练好的图像分割网络中，得到分割后的图像；

其中，所述图像分割网络通过以下方式进行训练：

将真实图像的小样本数据和目标合成图像数据分别输入至对应的图像分割网络中，得到第一预测图像数据和第二预测图像数据，其中，所述第一预测图像数据是基于所述真实图像的小样本数据得到的，所述第二预测图像数据是基于所述目标合成图像数据得到的，且所述真实图像的小样本数据和所述目标合成图像数据中的图像数据包含相同的目标对象；

基于所述第二预测图像数据和预先设置的目标合成图像标注数据，得到第一损失值；以及，

根据所述第一预测图像数据和所述第二预测图像数据，得到第二损失值；并，

利用所述第一损失值和所述第二损失值对所述各图像分割网络的参数进行调节后，返回将所述真实图像的小样本数据和所述目标合成图像数据分别输入至对应的图像分割网络中的步骤，直至所述第一损失值和所述第二损失值满足指定条件。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二预测图像数据和预先设置的目标合成图像标注数据，得到第一损失值，包括：

针对所述第二预测图像数据中的任意一个像素点，基于所述像素点在所述第二预测图像数据中的第一预测对象和所述像素点在所述目标合成图像标注数据中的标注对象，得到所述像素点的中间损失值；

根据所述第二预测图像数据中的各像素点对应的中间损失值，得到所述第一损失值。

3.根据权利要求2所述的方法，其特征在于，通过以下公式得到所述第一损失值：

其中，L_seg为所述第一损失值，H为所述第二预测图像数据的高，W为所述第二预测图像数据的宽，为纵坐标为h，且横坐标为w的像素点在所述第二预测数据中的第一预测对象，为纵坐标为h，且横坐标为w的像素点在所述目标合成图像标注数据中的标注对象，

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测图像数据和所述第二预测图像数据，得到第二损失值，包括：

将所述第一预测图像数据输入至全卷积神经网络中，得到第一预测图像特征；以及，

将所述第二预测图像数据输入至全卷积神经网络中，得到第二预测图像特征；

基于所述第一预测图像特征和所述第二预测图像特征，得到所述第二损失值。

5.根据权利要求4所述的方法，其特征在于，通过以下方式得到所述第二损失值：

利用所述第一预测图像数据对应的第一预测图像特征中的各像素点的第二预测对象，得到所述第一预测图像数据对应的第一预测值；并，

根据所述第二预测图像数据对应的第二预测图像特征中的各像素点的第三预测对象，得到所述第二预测图像数据对应的第二预测值；

基于所述第一预测值和所述第二预测值，得到所述第二损失值。

6.根据权利要求1所述的方法，其特征在于，所述将真实图像的小样本数据和目标合成图像数据分别输入至对应的图像分割网络中之前，所述方法还包括：

将所述真实图像的小样本数据和合成图像数据输入至预先训练好的循环一致对抗网络中，得到所述目标合成图像数据。