[发明专利]一种实例分割模型训练方法、实例分割方法及装置

权利要求书

1.一种实例分割模型训练方法，其特征在于，所述方法包括：

获取训练样本，所述训练样本包括多张训练图片，所述多张训练图片对应相同的原始图片，所述原始图片中包括多个实例，所述多张训练图片中每张训练图片对应的标注信息不同，所述标注信息包括像素级的掩码标注，所述掩码标注用于反映所述训练图片中所包括的实例；

将所述多张训练图片各自对应的掩码标注进行叠加，获得前景标注；

针对所述多张训练图片中任一训练图片，将所述训练图片输入初始模型，获得所述初始模型输出的预测结果，所述预测结果包括预测的N个实例各自对应的掩码预测结果以及第一前景预测结果，所述N大于所述训练图片中所标注的实例个数；

基于所述预测结果、所述标注信息以及所述前景标注确定所述初始模型对应的损失函数，以最小化所述损失函数为目标，对所述初始模型的参数进行调整，直至所述初始模型收敛，获得实例分割模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述预测结果、所述标注信息以及所述前景标注确定所述初始模型对应的损失函数，包括：

基于所述N个实例各自的掩码预测结果、所述多张训练图片中各个实例对应的掩码标注计算第一损失函数；

基于所述前景标注以及所述第一前景预测结果计算第二损失函数；

对所述第一损失函数和所述第二损失函数进行加权求和，获得所述初始模型对应的损失函数。

3.根据权利要求1所述的方法，其特征在于，所述预测结果还包括所述N个实例各自对应的置信度，所述置信度用于反映掩码预测结果属于实例的概率，所述基于所述预测结果、所述标注信息以及所述前景标注确定所述初始模型对应的损失函数，包括：

基于所述N个实例各自对应的置信度以及所述多张训练图片中各个实例的掩码标注计算第三损失函数；

基于所述N个实例各自对应的掩码预测结果确定第二前景预测结果，并基于所述第一前景预测结果以及所述第二前景预测结果计算第四损失函数；

基于第一损失函数、第二损失函数、第三损失函数以及第四损失函数进行加权求和，获得所述初始模型对应的损失函数。

4.根据权利要求3所述的方法，其特征在于，所述第一损失函数包括骰子DIEC损失函数和/或交叉熵损失函数、所述第二损失函数包括DICE损失函数和/或交叉熵损失函数、第三损失函数包括二值交叉熵损失函数、所述第四损失函数包括交叉熵损失函数。

5.根据权利要求3所述的方法，其特征在于，所述基于所述N个实例各自对应的掩码预测结果确定第二前景预测结果，包括：

对所述N个实例各自对应的掩码预测结果进行自身累加，获得第二前景预测结果。

6.根据权利要求1所述的方法，其特征在于，所述将所述多张训练图片各自对应的掩码标注进行叠加，获得前景标注，包括：

针对所述多张训练图片中相同位置的像素点，将所述相同位置的像素点在不同训练图片中对应的掩码标注进行或运算，获得前景标注。

7.一种实例分割方法，其特征在于，所述方法包括：

获取待处理图片，所述待处理图片包括待分割的实例；

将所述待处理图片输入实例分割模型，获得输出结果，所述输出结果包括N个实例对应的掩码预测结果，所述实例分割模型是基于权利要求1-6任一项所述的方法训练生成的；

根据所述输出结果以及掩码阈值确定所述待处理图片中所包括的实例。