[发明专利]一种图像分割模型的训练方法、图像分割方法及存储介质

权利要求书

1.一种图像分割模型的训练方法，其特征在于，所述方法包括：

获取无标注训练样本集和标注训练样本集，其中，所述无标注训练样本集为3D图像集，所述标注训练样本集为2D图像集；

根据所述无标注训练样本集和所述标注训练样本集对原始图像分割模型进行迭代训练；

将迭代训练完毕后的所述原始图像分割模型作为图像分割模型。

2.根据权利要求1所述的图像分割模型的训练方法，其特征在于，所述原始图像分割模型包括原始编码器和原始解码器，所述根据所述无标注训练样本集和所述标注训练样本集对原始图像分割模型进行迭代训练，包括：

根据所述无标注训练样本集，确定所述原始编码器对应的特征提取误差值；

根据所述无标注训练样本集和所述标注训练样本集，确定所述原始解码器对应的特征预测误差值；

根据所述标注训练样本集，确定原始图像分割模型对应的图像分割误差值；

根据所述特征提取误差值、所述特征预测误差值以及所述图像分割误差值，确定模型总误差值；

根据所述模型总误差值对所述原始图像分割模型的模型参数进行迭代更新，直至所述模型总误差值小于预设误差阈值。

3.根据权利要求2所述的图像分割模型的训练方法，其特征在于，所述根据所述无标注训练样本集，确定所述原始编码器对应的特征提取误差值，包括：

根据所述无标注训练样本集生成若干组训练样本，其中，每组所述训练样本包括第一训练切片和第二训练切片；

将所述第一训练切片输入原始编码器得到第一特征图，将所述第二训练切片输入所述原始编码器，得到第二特征图；

根据所述第一特征图，生成所述第二训练切片对应的预测编码图；

根据所述第二特征图和所述预测编码图，确定所述特征提取误差值。

4.根据权利要求3所述的图像分割模型的训练方法，其特征在于，所述根据所述第一特征图，生成所述第二训练切片对应的预测编码图，包括：

将所述第一特征图输入预测器；

通过所述预测器根据所述第一特征图输出所述预测编码图。

5.根据权利要求3所述的图像分割模型的训练方法，其特征在于，所述根据所述第二特征图和所述预测编码图，确定所述特征提取误差值，包括：

将所述第二特征图和所述预测编码图输入第一损失函数；

通过所述第一损失函数对所述第二特征图和所述预测编码图进行比对，得到所述特征提取误差值。

6.根据权利要求3所述的图像分割模型的训练方法，其特征在于，所述根据所述无标注训练样本集和所述标注训练样本集，确定所述原始解码器对应的特征预测误差值，包括：

将所述第二特征图输入原始解码器，得到无标注样本预测分割图，根据所述无标注样本预测分割图提取无标注样本前景特征；

根据所述标注训练样本集生成标注训练切片，其中，每一所述标注训练切片均包含有标注数据；

将所述标注训练切片输入依次级联的所述原始编码器和所述原始解码器，得到标注样本预测分割图，根据所述标注数据和所述标注样本预测分割图提取标注样本前景特征和标注样本背景特征；

根据所述无标注样本前景特征、所述标注样本前景特征以及所述标注样本背景特征，确定所述特征预测误差值。

7.根据权利要求6所述的图像分割模型的训练方法，其特征在于，所述根据所述无标注样本前景特征、所述标注样本前景特征以及所述标注样本背景特征，确定所述特征预测误差值，包括：

将所述无标注样本前景特征、所述标注样本前景特征以及所述标注样本背景特征输入第二损失函数；

通过所述第二损失函数对所述无标注样本前景特征和所述标注样本前景特征进行比对，以及对所述无标注样本前景特征和所述标注样本背景特征进行比对，得到所述特征预测误差值。