[发明专利]语义分割模型的训练方法、图像的语义分割方法和装置

权利要求书

1.一种语义分割模型的训练方法，包括：

获取预先获得的第一半监督语义分割模型对第一有标签训练图像数据的第一处理结果及所述第一半监督语义分割模型对第一无标签训练图像数据的第二处理结果；

基于所述第一处理结果和所述第二处理结果对所述第一半监督语义分割模型进行更新，获得第二半监督语义分割模型；

基于所述第二处理结果，采用预设主动学习规则，确定所述第一无标签训练图像数据中的至少一个待标注图像；

获取各所述待标注图像分别对应的标签；

基于各所述待标注图像及各所述待标注图像分别对应的标签对所述第一有标签训练图像数据和所述第一无标签训练图像数据进行更新，获得更新后的第二有标签训练图像数据和第二无标签训练图像数据；

基于所述第二有标签训练图像数据和所述第二无标签训练图像数据对所述第二半监督语义分割模型进行训练；

响应于满足训练结束条件，获得目标语义分割模型。

2.根据权利要求1所述的方法，其中，所述第二处理结果包括所述第一无标签训练图像数据在所述第一半监督语义分割模型的第一分支网络对应的第三概率数据和在所述第一半监督语义分割模型的第二分支网络对应的第四概率数据；

所述方法还包括：

基于所述第三概率数据，确定第一伪标签数据；

基于所述第四概率数据，确定第二伪标签数据；

所述基于所述第二处理结果，采用预设主动学习规则，确定所述第一无标签训练图像数据中的至少一个待标注图像，包括：

基于所述第三概率数据、所述第四概率数据、所述第一伪标签数据、所述第二伪标签数据、及所述预设主动学习规则，确定所述第一无标签训练图像数据中的所述待标注图像。

3.根据权利要求2所述的方法，其中，所述基于所述第三概率数据、所述第四概率数据、所述第一伪标签数据、所述第二伪标签数据、及所述预设主动学习规则，确定所述第一无标签训练图像数据中的至少一个待标注图像，包括：

基于所述第三概率数据、所述第四概率数据及预设不确定性规则，确定预测结果不确定性数据，所述预测结果不确定性数据表征所述第一分支网络和所述第二分支网络预测概率的不确定性，所述预测结果不确定性数据包括所述第一无标签训练图像数据中各无标签训练图像分别对应的预测结果不确定性图；

基于所述第一伪标签数据和所述第二伪标签数据，确定伪标签不一致性数据，所述伪标签不一致性数据表征所述第一分支网络和所述第二分支网络的预测概率分别生成的伪标签的不一致性，所述伪标签不一致性数据包括所述第一无标签训练图像数据中各无标签训练图像分别对应的伪标签不一致性图；

基于所述预测结果不确定性数据、所述伪标签不一致性数据及预设查询规则，确定所述第一无标签训练图像数据中各所述无标签训练图像分别对应的查询得分；

基于各所述无标签训练图像分别对应的查询得分，确定查询得分较大的第一数量的无标签训练图像作为所述待标注图像。

4.根据权利要求3所述的方法，其中，所述第三概率数据包括各所述无标签训练图像分别对应的第三概率图，每个所述无标签训练图像对应的第三概率图包括所述第一分支网络预测的该无标签训练图像中各像素分别属于各类型的概率值；所述第四概率数据包括各所述无标签训练图像分别对应的第四概率图，每个所述无标签训练图像对应的第四概率图包括所述第二分支网络预测的该无标签训练图像中各像素分别属于各类型的概率值；

所述基于所述第三概率数据、所述第四概率数据及预设不确定性规则，确定预测结果不确定性数据，包括：

针对任一所述无标签训练图像，基于该无标签训练图像对应的所述第三概率图及预设熵确定规则，确定所述第三概率图的各像素分别对应的第一熵；

基于该无标签训练图像对应的所述第四概率图及所述预设熵确定规则，确定所述第四概率图的各像素分别对应的第二熵；

基于所述第三概率图的各像素分别对应的所述第一熵和所述第四概率图的各像素分别对应的所述第二熵，确定该无标签训练图像对应的所述预测结果不确定性图；

基于各所述无标签训练图像分别对应的所述预测结果不确定性图，确定所述预测结果不确定性数据。