[发明专利]图像分割方法、装置、设备及存储介质

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：

获取第一样本数据和第二样本数据；其中，所述第一样本数据包括至少一个第一图像样本和所述第一图像样本的标注数据，所述第二样本数据包括至少一个第二图像样本和所述第二图像样本的标注数据，所述第一图像样本的标注数据的质量高于所述第二图像样本的标注数据的质量；

通过图像分割模型的学生网络分别对所述第一图像样本和所述第二图像样本进行分割处理，得到所述第一图像样本的学生分割结果和所述第二图像样本的学生分割结果，以及通过所述图像分割模型的教师网络分别对所述第一图像样本和所述第二图像样本进行分割处理，得到所述第一图像样本的教师分割结果和所述第二图像样本的教师分割结果；

根据所述第一图像样本的学生分割结果和所述第一图像样本的标注数据，确定监督损失；

根据所述第一图像样本的学生分割结果和所述第一图像样本的教师分割结果之间的差异信息，以及所述第二图像样本的学生分割结果和所述第二图像样本的教师分割结果之间的差异信息，确定一致性损失；

基于所述监督损失和所述一致性损失，对所述学生网络进行训练，以通过训练得到的所述学生网络对目标图像进行分割处理。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用所述第二图像样本的教师分割结果对所述第二图像样本的标注数据进行校正处理，得到所述第二图像样本的校正后标注数据；

根据所述第二图像样本的学生分割结果和所述第二图像样本的校正后标注数据，确定学习损失；

所述基于所述监督损失和所述一致性损失，对所述学生网络进行训练，包括：

基于所述监督损失、所述一致性损失和所述学习损失，对所述学生网络进行训练。

3.根据权利要求2所述的方法，其特征在于，所述采用所述第二图像样本的教师分割结果对所述第二图像样本的标注数据进行校正处理，得到所述第二图像样本的校正后标注数据，包括：

基于所述第二图像样本的教师分割结果对所述第二图像样本的标注数据进行辨识处理，得到所述第二图像样本对应的噪声标志地图，所述噪声标志地图用于标识出所述第二图像样本中的错误标注；

基于所述噪声标志地图对所述第二图像样本的标注数据进行校正处理，得到所述第二图像样本的校正后标注数据。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第二图像样本的教师分割结果对所述第二图像样本的标注数据进行辨识处理，得到所述第二图像样本对应的噪声标志地图，包括：

基于所述第二图像样本中各个像素点的标注数据、所述各个像素点的第一类别的样本外预测概率和第二类别的样本外预测概率，构建所述第二图像样本的混淆矩阵，所述混淆矩阵包括被标注为所述第一类别且所述第一类别的样本外预测概率大于第一阈值的第一类像素点的数量、被标注为所述第一类别但所述第二类别的样本外预测概率大于第二阈值的第二类像素点的数量、被标注为所述第二类别且所述第二类别的样本外预测概率大于所述第二阈值的第三类像素点的数量和被标注为所述第二类别但所述第一类别的样本外预测概率大于所述第一阈值的第四类像素点的数量；

基于所述混淆矩阵，构建所述第一类别和所述第二类别对应的联合分布矩阵，所述联合分布矩阵包括所述第一类像素点的联合概率、所述第二类像素点的联合概率，所述第三类像素点的联合概率和所述第四类像素点的联合概率；

基于所述第二类像素点的联合概率，得到所述第二图像样本对应的噪声标志地图。

5.根据权利要求3所述的方法，其特征在于，所述基于所述噪声标志地图对所述第二图像样本的标注数据进行校正处理，得到所述第二图像样本的校正后标注数据，包括：

按照如下公式计算所述第二图像样本的校正后标注数据

其中，Π为指示函数，τ∈[0，1]为平滑因子，x为所述第二图像样本中的像素点，为标注数据，X_n为所述噪声标志地图对应的第二类像素点集合，n为所述噪声识别地图对应的第二类像素点集合的像素点数。