[发明专利]语义分割模型的生成方法、装置、电子设备及存储介质

说明书

本公开提出一种语义分割模型的生成方法、装置、电子设备及存储介质，涉及人工智能技术领域。包括：获取训练数据集，其中，训练数据集中包括样本图像及样本图像对应的标注结果；将样本图像输入目标检测模型中，以获取样本图像对应的检测结果；利用初始语义分割模型对样本图像进行分割，以获取样本图像对应的分割结果；根据样本图像对应的检测结果、标注结果及分割结果，确定损失值；基于损失值，对初始语义分割模型进行修正，以获取训练后的语义分割模型。由此，结合目标检测模型对样本图像的检测结果，指导语义分割模型的训练，从而提高了训练完成的语义分割模型的性能，使其可以更准确地对图像进行语义分割，进而为语义分割任务提供了条件。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种语义分割模型的生成方法、装置、电子设备及存储介质。

背景技术

语义分割作为计算机视觉任务中的基础任务之一，被广泛的应用于自动驾驶、实时道路监控及医疗疾病系统等领域。语义分割的目标是对图像中的每个像素点进行分类，以得到一副图像的语义分割图。

相关技术中，可以通过大量的标注样本对语义分割模型进行训练，以提高模型的性能。但是，若标注样本数量不足，就会导致语义分割模型的性能降低，进而导致语义分割结果的准确性较低。因此，如何提高语义分割的准确性，成为重点的研究方向。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

本公开第一方面实施例提出了一种语义分割模型的生成方法，包括：

获取训练数据集，其中，所述训练数据集中包括样本图像及样本图像对应的标注结果；

将所述样本图像输入目标检测模型中，以获取所述样本图像对应的检测结果；

利用初始语义分割模型对所述样本图像进行分割，以获取所述样本图像对应的分割结果；

根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值；

基于所述损失值，对所述初始语义分割模型进行修正，以获取训练后的语义分割模型。

可选的，所述根据所述样本图像对应的检测结果、标注结果及分割结果，确定损失值，包括：

根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，其中，所述样本图像中包含边缘区域、目标区域及背景区域；

根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值；

根据所述样本图像对应的标注结果及分割结果，确定所述样本图像中每个像素点对应的类别概率；

根据每个像素点对应的类别概率及权重值，确定所述损失值。

可选的，所述根据所述样本图像对应的检测结果，确定所述样本图像中每个像素点所属的区域类别，包括：

根据所述样本图像对应的检测结果中的检测框对应的位置及尺寸，确定所述样本图像中包含的目标区域；

将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域；

将所述样本图像中除所述目标区域及所述边缘区域外的区域，确定为背景区域；

根据所述目标区域、边缘区域及背景区域的位置，确定所述样本图像中每个像素点所属的区域类型。

可选的，在所述将所述样本图像中由所述目标区域向外延伸预设宽度的区域，确定为边缘区域之前，还包括：

根据所述检测框的尺寸，确定所述预设宽度。

可选的，在所述根据每个所述像素点所属的区域类别，确定每个像素点对应的权重值之后，还包括：