[发明专利]分割模型的训练方法、矿物图像的分割方法及装置

权利要求书

1.一种分割模型的训练方法，其特征在于，包括：

获取矿物图像，并将所述矿物图像进行标注，得到训练集；其中，所述训练集中包括标注矿物图像和未标注矿物图像；

基于所述标注矿物图像对分割模型进行训练，得到第一分割模型；

若所述第一分割模型不符合预设要求，则基于所述第一分割模型得到所述未标注矿物图像的不确定性；

按照所述不确定性的降序顺序，将预设数量的所述未标注矿物图像进行标注，并基于标注后的所述未标注矿物图像对所述第一分割模型进行训练，得到目标分割模型。

2.根据权利要求1所述的方法，其特征在于，基于所述标注的矿物图像对分割模型进行训练，得到第一分割模型，包括：

将所述训练集中的每张标注矿物图像分别输入分割模型，得到所述每张标注矿物图像对应的分割概率图；

基于所述每张标注矿物图像对应的分割概率图和所述标注矿物图像，确定损失函数值；

基于所述损失函数值，更新所述分割模型的模型参数，得到第一分割模型。

3.根据权利要求2所述的方法，其特征在于，按照以下公式计算所述损失函数：

其中，n为训练集中的样本数量，h为矿物图像的高度，ω为矿物图像的宽度，2为通道数，分别代表标签的前景图和背景图，为分割模型的输入图像，S(X_n|θ_seg)^(h,w,2)为分割模型输出的分割概率图。

4.根据权利要求1所述的方法，其特征在于，基于所述第一分割模型得到所述未标注矿物图像的不确定性，包括：

将所述训练集中的每张未标注矿物图像分别输入第一分割模型，得到所述每张未标注矿物图像对应的置信图；

基于所述置信图，确定所述每张未标注矿物图像的不确定性。

5.根据权利要求1所述的方法，其特征在于，所述分割模型包括编码模块和解码模块；其中，所述编码模块包括：多个3*3的卷积层、2个最大池化层和多个1*1的卷积层；所述解码模块包括：多个上采样层和多个卷积层。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述训练集中的矿物图像进行预处理和图像增强；其中，所述预处理至少包括：将所述矿物图像裁剪为预设尺寸；所述图像增强至少包括以下中的一种：颜色直方图均衡化操作、水平镜像翻转操作、高斯模糊操作、添加随机噪声操作。

7.一种矿物图像的分割方法，其特征在于，包括：

获取待分割矿物图像；

基于预先训练的分割模型，得到所述待分割矿物图像的分割图像；其中，所述分割模型是基于权利要求1至6任一项所述的方法训练得到的。

8.一种分割模型的训练装置，其特征在于，包括：

图像获取模块，用于获取矿物图像，并将所述矿物图像进行标注，得到训练集；其中，所述训练集中包括标注矿物图像和未标注矿物图像；

第一训练模块，用于基于所述标注矿物图像对分割模型进行训练，得到第一分割模型；

判断模块，用于若所述第一分割模型不符合预设要求，则基于所述第一分割模型得到所述未标注矿物图像的不确定性；

第二训练模块，用于按照所述不确定性的降序顺序，将预设数量的所述未标注矿物图像进行标注，并基于标注后的所述未标注矿物图像对所述第一分割模型进行训练，得到目标分割模型。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的方法的步骤或实现权利要求7所述的方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的方法的步骤或执行权利要求7所述的方法的步骤。