[发明专利]图像分割模型训练方法、图像分割方法及装置

权利要求书

1.一种图像分割模型训练方法，其特征在于，包括：

S110、获取样本图像以及所述样本图像中各像素点的原始标签；S120、将所述样本图像输入至待训练的图像分割模型中，根据所述待训练的图像分割模型的预测结果得到所述样本图像中各像素点属于分割目标的概率；

S130、根据所述样本图像中各像素点属于分割目标的概率以及当前迭代的概率阈值，对所述样本图像的原始标签进行调节；

S140、基于所述样本图像中各像素点的调节后的标签以及属于分割目标的概率调节所述待训练的图像分割模型的网络参数，得到当前迭代的图像分割模型；

循环执行步骤S110-S140，以对所述待训练的图像分割模型进行迭代训练，得到目标图像分割模型；

所述原始标签包括正样本标签和负样本标签，其中，所述正样本标签和所述负样本标签为数值标签；

其中，所述预测结果中，与当前像素点属于分割目标的概率不满足所述当前像素点的原始标签对应的所述当前迭代的概率阈值时，基于预设调节值对所述原始标签进行调节，包括：

所述当前像素点的原始标签为正样本标签，且所述预测结果中所述当前像素点属于分割目标的概率小于所述当前迭代中的第一概率阈值时，基于第一调节值对所述当前像素点的正样本标签进行调节；

所述当前像素点的原始标签为负样本标签，且所述预测结果中所述当前像素点属于分割目标的概率大于所述当前迭代中的第二概率阈值时，基于第二调节值对所述当前像素点的负样本标签进行调节。

2.根据权利要求1 所述的方法，其特征在于，根据所述样本图像中各像素点属于分割目标的概率以及当前迭代的概率阈值，对所述样本图像的原始标签进行调节，包括：

所述预测结果中，与当前像素点属于分割目标的概率不满足所述当前像素点的原始标签对应的所述当前迭代的概率阈值时，基于预设调节值对所述原始标签进行调节，得到各像素点调节后的标签。

3.根据权利要求2所述的方法，其特征在于，在任一次迭代中，所述概率阈值在第一范围内随机生成，所述预设调节值在第二范围内随机生成。

4.根据权利要求2所述的方法，其特征在于，在任一次迭代中，所述概率阈值基于第一函数确定，所述预设调节值基于第二函数确定。

5.根据权利要求1所述的方法，其特征在于，基于所述样本图像中各像素点的调节后的标签以及属于分割目标的概率调节所述待训练的图像分割模型的网络参数，得到当前迭代的图像分割模型，包括：

根据所述样本图像中各像素点的调节后的标签以及属于分割目标的概率确定损失函数；

基于所述损失函数调节所述待训练的图像分割模型的网络参数，得到当前迭代的图像分割模型。

6.一种图像分割方法，其特征在于，包括：

获取待分割图像，将所述待分割图像输入至预先训练的图像分割模型中，得到所述待分割图像的图像分割结果，其中，所述图像分割模型基于如权利要求1-5任一所述图像分割模型训练方法训练得到。