[发明专利]图像分割模型训练方法、图像处理方法及装置

权利要求书

1.一种图像分割模型训练方法，其特征在于，所述方法包括：

获取样本图像、所述样本图像对应的仿射变换图像以及所述样本图像中的目标对象的目标分割结果，所述仿射变换图像是所述样本图像经过仿射变换得到的；

将所述样本图像和所述仿射变换图像分别输入待训练图像分割模型对所述目标对象进行分割，得到所述样本图像中的所述目标对象的第一分割结果和所述仿射变换图像中的所述目标对象的第二分割结果；其中，所述第一分割结果经仿射变换后得到变换结果；

根据所述第一分割结果和所述目标分割结果确定第一损失值，并根据所述变换结果和所述第二分割结果确定第二损失值；

根据所述第一损失值和所述第二损失值，确定总损失值；

根据所述总损失值训练所述待训练图像分割模型，得到已训练图像分割模型。

2.根据权利要求1所述的方法，其特征在于，所述样本图像还关联有相似图像，所述相似图像与所述样本图像的相似度小于预设阈值，所述获取样本图像之后，所述方法还包括：

将所述样本图像和所述相似图像分别输入所述待训练图像分割模型，得到所述待训练图像分割模型中的指定特征层输出的所述样本图像的处理结果和所述相似图像的处理结果；

根据所述样本图像的处理结果和所述相似图像的处理结果确定第三损失值；

所述采用所述第一损失值和所述第二损失值，确定所述总损失值，包括：

采用所述第一损失值、所述第二损失值和所述第三损失值，确定所述总损失值。

3.根据权利要求2所述的方法，其特征在于，所述得到所述待训练图像分割模型中的指定特征层输出的所述样本图像的处理结果和所述相似图像的处理结果之前，所述方法还包括：

针对所述待训练图像分割模型中的多个目标神经网络层的每个目标神经网络层，分别执行：

将所述样本图像和所述相似图像分别输入至所述待训练图像分割模型之后，得到所述目标神经网络层输出的所述样本图像的特征图和所述相似图像的特征图；

根据所述样本图像的特征图和所述相似图像的特征图之间的差值得到差异特征图；

根据各目标神经网络层分别对应的差异特征图，确定所述指定特征层，其中，所述指定特征层的差异特征图的特征点取值大于差异阈值。

4.根据权利要求3所述的方法，其特征在于，所述根据各目标神经网络层分别对应的差异特征图，确定所述指定特征层，包括：

确定各目标神经网络层的所述差异特征图的各特征点的平均差异值；

将所述平均差异值大于所述差异阈值的目标神经网络层确定为所述指定特征层。

5.一种图像处理方法，其特征在于，所述方法包括：

将待处理图像输入已训练图像分割模型，得到所述待处理图像中的待处理对象的分割结果；

所述已训练图像分割模型是根据权利要求1-4中任一项所述的图像分割模型训练方法训练得到的。

6.根据权利要求5所述的方法，其特征在于，所述待处理图像为视频帧序列中的一帧图像，所述得到所述待处理图像中的待处理对象的分割结果之后，所述方法还包括：

基于所述待处理图像为所述视频帧序列中的非首帧图像，获取至少一帧目标图像的所述待处理对象的分割结果，其中，所述至少一帧目标图像中的每帧所述目标图像在所述帧序列的排序位于所述待处理图像之前；

采用所述至少一帧目标图像的所述分割结果对所述待处理图像的分割结果进行平滑处理。