[发明专利]语义分割模型的半监督学习方法、相关装置及产品

权利要求书

1.一种语义分割模型的半监督学习方法，执行如下半监督学习操作，直至得到所述语义分割模型：

从训练样本集中选取训练样本，其中，所述训练样本集中包括带标签的训练样本和不带标签的训练样本；

基于所述训练样本，得到第一图像和第二图像；

通过初始语义分割模型，得到所述第一图像的第一分割结果和所述第二图像的第二分割结果；

确定所述第一分割结果和所述第二分割结果之间的第一一致性损失，以及语义分割过程中，相对应的所述第一图像的第一目标特征和所述第二图像的第二目标特征之间的第二一致性损失；

根据所述第一一致性损失和所述第二一致性损失，调整所述初始语义分割模型。

2.根据权利要求1所述的方法，其中，所述第一目标特征包括所述第一分割结果中表征目标对象的边缘的关键点特征，所述第二目标特征包括所述第二分割结果中表征目标对象的边缘的关键点特征；以及

确定语义分割过程中，相对应的所述第一图像的第一目标特征和所述第二图像的第二目标特征之间的第二一致性损失，包括：

提取所述第一分割结果中的目标对象的关键点特征和所述第二分割结果中的目标对象的关键点特征；

根据所述第一分割结果和所述第二分割结果中的、相对应的关键点特征，确定所述第二一致性损失。

3.根据权利要求1-2中任一项所述的方法，其中，所述第一目标特征包括所述初始语义分割模型对于所述第一图像的语义分割过程所得到的第一中间特征，所述第二目标特征包括所述初始语义分割模型对于所述第二图像的语义分割过程所得到的、对应于所述第一中间特征的第二中间特征；以及

确定语义分割过程中，相对应的所述第一图像的第一目标特征和所述第二图像的第二目标特征之间的第二一致性损失，包括：

确定所述第一中间特征和所述第二中间特征之间的第二一致性损失。

4.根据权利要求1所述的方法，其中，所述基于所述训练样本，得到第一图像和第二图像，包括：

以所述训练样本作为所述第一图像，在所述训练样本中加入噪声，得到所述第二图像。

5.根据权利要求4所述的方法，其中，还包括：

响应于确定所述训练样本为带标签的训练样本，确定所述训练样本的标签与所述第一分割结果之间的第三损失；以及

所述根据所述第一一致性损失和所述第二一致性损失，调整所述初始语义分割模型，包括：

根据所述第一一致性损失、所述第二一致性损失和所述第三损失，调整所述初始语义分割模型。

6.一种语义分割方法，包括：

获取待分割图像；

通过语义分割模型处理所述待分割图像，得到分割结果，其中，所述语义分割模型根据权利要求1-5的方法训练得到。

7.一种语义分割模型的半监督学习装置，通过如下单元执行半监督学习操作，直至得到所述语义分割模型：

选取单元，被配置成从训练样本集中选取训练样本，其中，所述训练样本集中包括带标签的训练样本和不带标签的训练样本；

得到单元，被配置成基于所述训练样本，得到第一图像和第二图像；

分割单元，被配置成通过初始语义分割模型，得到所述第一图像的第一分割结果和所述第二图像的第二分割结果；

第一确定单元，被配置成确定所述第一分割结果和所述第二分割结果之间的第一一致性损失，以及语义分割过程中，相对应的所述第一图像的第一目标特征和所述第二图像的第二目标特征之间的第二一致性损失；

调整单元，被配置成根据所述第一一致性损失和所述第二一致性损失，调整所述初始语义分割模型。