图像分割方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种图像分割方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取第一图像分割模型，获取第一样本图像、第一标注图像及第一对抗图像，基于第一样本图像、第一标注图像及第一对抗图像，对第一图像分割模型进行对抗训练，得到第一图像分割模型中每个操作的权重，基于每个操作的权重，确定每两个特征标识之间的目标操作，将多个特征标识及目标操作，构成第二图像分割模型，调用第二图像分割模型，对任一图像进行分割。本申请实施例提供的方法，能够应用于云技术、智慧交通等多种场景，以模型搜索的方式来自动获取图像分割模型，削弱了人为因素对图像分割模型的影响，保证了图像分割模型的准确性。准确性。准确性。

【技术实现步骤摘要】
图像分割方法、装置、计算机设备及存储介质


[0001]本申请实施例涉及计算机
，特别涉及一种图像分割方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着人工智能技术的发展，网络模型的应用越来越广泛。例如，将网络模型应用在图像处理领域，能够实现人脸识别、动物识别等。相关技术中的网络模型的结构通常是人为确定的，受到技术人员的影响较大，导致这种网络模型的准确性差。

技术实现思路

[0003]本申请实施例提供了一种图像分割方法、装置、计算机设备及存储介质，能够提高第二图像分割模型的准确性。所述技术方案如下。
[0004]一方面，提供了一种图像分割方法，所述方法包括：获取第一图像分割模型，所述第一图像分割模型包括多个特征标识及每两个特征标识之间的多个操作；获取第一样本图像、第一标注图像及第一对抗图像，所述第一标注图像指示所述第一样本图像中分割的区域，所述第一对抗图像是在所述第一样本图像中添加干扰信息后得到的图像；基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重；基于每个所述操作的权重，确定每两个所述特征标识之间的目标操作，将多个所述特征标识及所述目标操作，构成第二图像分割模型；调用所述第二图像分割模型，对任一图像进行分割。
[0005]另一方面，提供了一种图像分割装置，所述装置包括：获取模块，用于获取第一图像分割模型，所述第一图像分割模型包括多个特征标识及每两个特征标识之间的多个操作；所述获取模块，还用于获取第一样本图像、第一标注图像及第一对抗图像，所述第一标注图像指示所述第一样本图像中分割的区域，所述第一对抗图像是在所述第一样本图像中添加干扰信息后得到的图像；训练模块，用于基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重；构成模块，用于基于每个所述操作的权重，确定每两个所述特征标识之间的目标操作，将多个所述特征标识及所述目标操作，构成第二图像分割模型；分割模块，用于调用所述第二图像分割模型，对任一图像进行分割。
[0006]在一种可能实现方式中，所述获取模块，用于获取多个所述第一样本图像，以及每
个所述第一样本图像对应的第一标注图像和第一对抗图像，不同的所述第一样本图像所属的图像类别不同；所述训练模块，用于基于多个所述第一样本图像的权重，对多个所述第一样本图像进行加权融合，得到融合样本图像；基于多个所述第一样本图像的权重，对多个所述第一标注图像进行加权融合，得到融合标注图像；基于多个所述第一样本图像的权重，对多个所述第一对抗图像进行加权融合，得到融合对抗图像；基于所述融合样本图像、所述融合标注图像及所述融合对抗图像，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重。
[0007]在另一种可能实现方式中，所述训练模块，用于调用所述第一图像分割模型，分别对所述第一样本图像及所述第一对抗图像进行图像分割，得到所述第一样本图像的第一预测分割图像及所述第一对抗图像的第二预测分割图像；基于所述第一预测分割图像与所述第一标注图像之间的差异，以及所述第一预测分割图像与所述第二预测分割图像之间的差异，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重。
[0008]在另一种可能实现方式中，所述训练模块，用于基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重及每个所述操作对应的操作参数。
[0009]在另一种可能实现方式中，所述获取模块，还用于获取第二样本图像及第二标注图像，所述第二标注图像指示所述第二样本图像中分割的区域；所述训练模块，还用于基于所述第二样本图像及所述第二标注图像，对所述第一图像分割模型进行训练。
[0010]在另一种可能实现方式中，所述训练模块，用于在当前迭代次数不大于第一阈值的情况下，基于所述第二样本图像及所述第二标注图像，对所述第一图像分割模型进行训练，更新每个所述操作对应的操作参数；在当前迭代次数大于所述第一阈值、且不大于第二阈值的情况下，基于所述第二样本图像及所述第二标注图像，对所述第一图像分割模型进行训练，更新每个所述操作的权重及每个所述操作对应的操作参数，所述第二阈值大于所述第一阈值。
[0011]在另一种可能实现方式中，所述训练模块，用于在当前迭代次数大于所述第二阈值的情况下，基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重。
[0012]在另一种可能实现方式中，所述构成模块，用于对于每两个所述特征标识之间的多个所述操作，基于多个所述操作的权重，从多个所述操作中，选取权重最大的至少一个目标操作；将所述多个特征标识及选取的目标操作，构成所述第二图像分割模型。
[0013]在另一种可能实现方式中，所述获取模块，还用于获取第三样本图像、第三标注图像及第二对抗图像，所述第三标注图像指示所述第三样本图像中分割的区域，所述第二对抗图像是在所述第三样本图像中添加干扰信息后得到的图像；所述训练模块，还用于基于所述第三样本图像、所述第三标注图像及所述第二对抗图像，对所述第二图像分割模型进行对抗训练。
[0014]另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行以
实现如上述方面所述的图像分割方法中所执行的操作。
[0015]另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行以实现如上述方面所述的图像分割方法中所执行的操作。
[0016]再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述方面所述的图像分割方法中所执行的操作。
[0017]本申请实施例提供的技术方案带来的有益效果至少包括：本申请实施例提供的方法、装置、计算机设备及存储介质，能够应用于云技术、智慧交通等多种场景，先采用对抗的方式对第一图像分割模型进行训练，之后基于训练后的第一图像分割模型来生成适用于图像分割的第二图像分割模型，实现了一种以模型搜索的方式来自动获取图像分割模型的方案，此过程无需人工设计图像分割模型的网络结构，削弱了人为因素对图像分割模型的影响，从而保证了第二图像分割模型的准确性。并且，以对抗的方式来训练第一图像分割模型，以提升第一图像分割模型的准确性和鲁棒性，也保证了获取到的第二图像分割模型的准确性和鲁棒性，后续基于第二图像分割模型进行图像分割，保证了的图像分割的准确性。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例的一些实施例，对于本领域普通技术人员来讲，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：获取第一图像分割模型，所述第一图像分割模型包括多个特征标识及每两个特征标识之间的多个操作；获取第一样本图像、第一标注图像及第一对抗图像，所述第一标注图像指示所述第一样本图像中分割的区域，所述第一对抗图像是在所述第一样本图像中添加干扰信息后得到的图像；基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重；基于每个所述操作的权重，确定每两个所述特征标识之间的目标操作，将多个所述特征标识及所述目标操作，构成第二图像分割模型；调用所述第二图像分割模型，对任一图像进行分割。2.根据权利要求1所述的方法，其特征在于，所述获取第一样本图像、第一标注图像及第一对抗图像，包括：获取多个所述第一样本图像，以及每个所述第一样本图像对应的第一标注图像和第一对抗图像，不同的所述第一样本图像所属的图像类别不同；所述基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重，包括：基于多个所述第一样本图像的权重，对多个所述第一样本图像进行加权融合，得到融合样本图像；基于多个所述第一样本图像的权重，对多个所述第一标注图像进行加权融合，得到融合标注图像；基于多个所述第一样本图像的权重，对多个所述第一对抗图像进行加权融合，得到融合对抗图像；基于所述融合样本图像、所述融合标注图像及所述融合对抗图像，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重，包括：调用所述第一图像分割模型，分别对所述第一样本图像及所述第一对抗图像进行图像分割，得到所述第一样本图像的第一预测分割图像及所述第一对抗图像的第二预测分割图像；基于所述第一预测分割图像与所述第一标注图像之间的差异，以及所述第一预测分割图像与所述第二预测分割图像之间的差异，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到所述第一图像分割模型中每个所述操作的权重，包括：基于所述第一样本图像、所述第一标注图像及所述第一对抗图像，对所述第一图像分割模型进行对抗训练，得到每个所述操作的权重及每个所述操作对应的操作参数。
5.根据权利要求1所述的方法，其特征在于，所述获取第一样本图像、第一标注图像及第一对抗图像之前，所述方法还包括：获取第二样本图像及第二标注图像，所述第二标注图像指示所述第二样本图像中分割的区域；基于所述第二样本图像及所述第二标注图像，对所述第一图像分割模型进行训练。6.根据权利要求5所述的方法，其特征在于，所述基于所述第二样本图像及所述第二标注图像，对所述第一图像分割模型进行训练，包括：在当前迭代次数不大于第一阈值的情况下，...

【专利技术属性】
技术研发人员：柳露艳，马锴，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：