[发明专利]图像分割方法、模型的训练方法、装置、电子设备及介质

说明书

本公开提供了一种图像分割方法、模型的训练方法、装置、电子设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉、图像识别和深度学习技术领域。具体实现方案为：根据查询图像的查询图像数据、支持图像的支持图像数据和与支持图像对应的掩码图像的掩码图像数据，得到至少一个尺度的特征信息，特征信息包括查询特征信息、支持特征信息和掩码特征信息；根据至少一个尺度的特征信息，得到至少一个第一预定尺度的相关信息，相关信息包括以下至少一项：查询图像和支持图像之间的互相关语义信息以及查询图像和支持图像之间的互关联信息；根据至少一个第二预定尺度的特征信息和至少一个第一预定尺度的相关信息，得到查询图像的图像分割结果。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉、图像识别和深度学习技术领域。具体地，涉及一种图像分割方法、模型的训练方法、装置、电子设备及介质。

背景技术

图像分割是计算机视觉领域的研究方向之一。图像分割是指将图像划分成各自满足相似性准则或具有某种同质特征的连通区域的过程。图像分割可以包括小样本分割(即少样本分割)(Few-Shot Segmentation，FSS)。

随着人工智能技术的发展，小样本分割在多个领域得到发展。例如，自动驾驶和医学诊断等。

发明内容

本公开提供了一种图像分割方法、模型的训练方法、装置、电子设备及介质。

根据本公开的一方面，提供了一种图像分割方法，包括：根据查询图像的查询图像数据、支持图像的支持图像数据和与上述支持图像对应的掩码图像的掩码图像数据，得到至少一个尺度的特征信息，其中，上述特征信息包括上述查询图像的查询特征信息、上述支持图像的支持特征信息和上述掩码图像的掩码特征信息；根据上述至少一个尺度的特征信息，得到至少一个第一预定尺度的相关信息，其中，上述相关信息包括以下至少一项：上述查询图像和上述支持图像之间的互相关语义信息以及上述查询图像和上述支持图像之间的互关联信息，上述互相关语义信息是根据上述支持图像的第一自相关语义信息和上述查询图像的第二自相关语义信息确定的，上述互关联信息是根据上述支持图像的第一自关联信息和上述查询图像的第二自关联信息确定的；以及，根据至少一个第二预定尺度的特征信息和上述至少一个第一预定尺度的相关信息，得到上述查询图像的图像分割结果。

根据本公开的另一方面，提供了一种图像分割模型的训练方法，包括：根据样本查询图像的样本查询图像数据、样本支持图像的样本支持图像数据和与上述样本支持图像对应的样本掩码图像的样本掩码图像数据，得到至少一个尺度的样本特征信息，其中，上述样本特征信息包括上述样本查询图像的样本查询特征信息、上述样本支持图像的样本支持特征信息和上述样本掩码图像的样本掩码特征信息；根据上述至少一个尺度的样本特征信息，得到至少一个第一预定尺度的样本相关信息，其中，上述样本相关信息包括以下至少一项：上述样本查询图像和上述样本支持图像之间的互相关样本语义信息以及上述样本查询图像和上述样本支持图像之间的互关联样本信息，上述样本查询图像和上述样本支持图像之间的互相关样本语义信息是根据上述样本支持图像的第一自相关样本语义信息和上述样本查询图像的第二自相关样本语义信息确定的，上述样本查询图像和上述样本支持图像之间的互关联样本信息是根据上述样本支持图像的第一自关联样本信息和上述样本查询图像的第二自关联样本信息确定的；根据至少一个第二预定尺度的样本特征信息和上述至少一个第一预定尺度的样本相关信息，得到上述查询图像的图像分割结果；以及，根据上述查询图像的真实分割结果和图像分割结果训练上述图像分割模型，得到训练完成的图像分割模型。