[发明专利]图像分割方法、装置、设备及存储介质

说明书

本申请公开了一种图像分割方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取第一图像样本和第二图像样本，第一图像样本的标注数据的质量高于第二图像样本的标注数据的质量；通过学生网络和教师网络分别对第一图像样本和第二图像样本进行分割处理，得到第一图像样本的学生分割结果、第二图像样本的学生分割结果、第一图像样本的教师分割结果和第二图像样本的教师分割结果；根据第一图像样本的标注数据和上述分割结果，确定训练损失；基于训练损失对学生网络进行训练。本申请通过教师网络从带有低质量标注的样本中提取图像信息，对学生网络进行训练，从而避免了因带有高质量标注的样本缺乏而导致的模型过拟合问题。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种图像分割方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展，开发人员尝试通过深度学习技术来实现器官内血管的分割任务。

以肝脏内血管分割任务为例，相关技术基于带高质量血管标注的肝脏图像对图像分割模型进行训练，以得到可用于对肝脏内血管进行分割处理的图像分割模型。

然而，由于存在带高质量血管标注的肝脏图像普遍缺乏的问题，相关技术仅仅可以依靠少量带高质量血管标注的肝脏图像对图像分割模型进行训练，导致图像分割模型过拟合，分割结果精度低。

发明内容

本申请实施例提供了一种图像分割方法、装置、设备及存储介质，能够通过教师网络基于带高质量标注的图像样本和带低质量标注的图像样本辅助学生网络进行训练，实现可以在确保学生网络的分割性能的情况下，避免因缺少图像样本而造成的学生网络过拟合问题。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种图像分割方法，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。

根据本申请实施例的一个方面，提供了一种图像分割装置，所述装置包括：

样本数据获取模块，用于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；

分割结果获取模块，用于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；

监督损失确定模块，用于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；