[发明专利]一种图像分割模型的训练方法及相关装置

权利要求书

1.一种图像分割模型的训练方法，其特征在于，所述的训练方法包括：

对测试图像集中的测试图像进行数据增强，以得到若干增强测试图像；

通过预训练的分割模型确定所述测试图像的预测概率图及各增强测试图像的预测概率图，并基于确定的各预测概率图确定母版概率图；

分别基于若干预设阈值中的每个预设阈值对所述母版概率图进行划分，以得到若干最大联合掩码图；

基于若干最大联合掩码图确定所述测试图像和各增强测试图像的伪标签；

基于各伪标签微调所述分割模型，并继续执行对测试图像集中的测试图像进行数据增强的步骤直至满足微调结束条件，以得到图像分割模型。

2.根据权利要求1所述图像分割模型的训练方法，其特征在于，所述基于确定的各预测概率图确定母版概率图具体包括：

分别对各增强测试图像各自对应的预测概率图进行逆增强操作，以得到各增强测试图像各自对应的候选测试概率图；

将各候选测试概率图以及所述测试图像对应的预测概率图相加以得到母版概率图。

3.根据权利要求1所述图像分割模型的训练方法，其特征在于，所述分别基于若干预设阈值中的每个预设阈值对所述母版概率图进行划分，以得到若干最大联合掩码图具体包括：

选取若干预设阈值，其中，若干预设阈值包括小于预测概率图的数量的所有整数；

对于每个预设阈值，获取所述母版概率图中的各像素的像素值与所述预设阈值的差值中的最大差值，并基于所述最大差值与1中的最小值生成所述预设阈值对应的最大联合掩码图，以得到若干最大联合掩码图。

4.根据权利要求1所述图像分割模型的训练方法，其特征在于，所述基于若干最大联合掩码图确定所述测试图像和各增强测试图像的伪标签具体包括：

在若干最大联合掩码图中选取预设数量的最大联合掩码图形成伪标签集；

采用距离相似性指标在所述伪标签集中选取各预测概率图各自对应的伪标签，以得到所述测试图像和各增强测试图像的伪标签。

5.根据权利要求1所述图像分割模型的训练方法，其特征在于，所述基于各伪标签微调所述分割模型，并继续执行对测试图像集中的测试图像进行数据增强的步骤直至满足微调结束条件，以得到图像分割模型具体包括：

基于各伪标签修正所述分割模型的模型参数；

选取最大预设阈值对应的第一最大联合掩码图以及最小预设阈值对应的第二最大联合掩码图，并计算所述第一最大联合掩码图和所述第二最大联合掩码图的相似度系数；

基于所述相似度系数以及所述分割模型的微调次数判断所述分割模型是满足到微调结束条件，其中，所述微调结束条件为相似度系数小于预设系数，或者微调次数等于预设次数阈值；

当满足微调结束条件时，将微调后的分割模型作为图像分割模型；

当未满足微调结束条件时，继续执行对测试图像集中的测试图像进行数据增强的步骤。

6.根据权利要求1-5任一所述的图像分割模型的训练方法，其特征在于，所述分割模型包括至少一个风格转换模块；所述通过预训练的分割模型确定所述测试图像的预测概率图及各增强测试图像的预测概率图具体包括：

对于所述测试图像和各增强测试图像构成的测试图像组中的每个参考测试图像，将所述参考测试图像和源域图像分别输入所述分割模型，其中，所述源域图像为用于训练所述分割模型的预设训练样本集中的训练图像；

控制所述分割模型位于所述风格转换模块之前的网络层确定所述参考测试图像对应的第一特征图和所述源域图像对应的第二特征图；

控制风格转换模块基于所述第二特征图的图像灰度分布调整所述第一特征图的图像灰度，以得到调整后的第一特征图；

控制位于调整后的第一特征图和所述第二特征图通过所述分割模型中位于所述风格转换模块之后的网络层，得到所述参考测试图像的预测概率图，以得到所述测试图像的预测概率图及各增强测试图像的预测概率图。