1.一种车辆部件分割方法,其特征在于,所述方法包括:
获取预先已对车辆部件进行标注的样本车辆图像数据集,所述样本车辆图像数据集中包括多个车辆图像数据集,每个车辆图像数据集中包括一张或多张指定车辆的车辆图像以及所述车辆图像中标注的车辆部件的标签集合,所述标签集合中包括一个或多个标签,其中,不同的标签用于指示不同的车辆部件;
根据所述每个车辆图像数据集中的标签集合,确定各个车辆图像数据集的标签集合的交集;
将所述各个车辆图像数据集中的车辆图像以及所述车辆图像对应的标签集合的交集输入预设的图金字塔模型中进行训练,得到车辆部件分割模型;
将待识别车辆图像输入训练得到的车辆部件分割模型,得到所述待识别车辆图像的分割结果,所述分割结果中包括用于指示所述待识别车辆图像中车辆部件的标签集合。
2.根据权利要求1所述的方法,其特征在于,所述图金字塔模型包括图语义聚合模块、图上下文推理模块以及图语义分布模块;所述将所述各个车辆图像数据集中的车辆图像以及所述车辆图像对应的标签集合的交集输入预设的图金字塔模型中进行训练,得到车辆部件分割模型,包括:
将所述各个车辆图像数据集中的车辆图像以及所述车辆图像对应的标签集合的交集输入所述图金字塔模型的图语义聚合模块中,聚合得到所述各个车辆图像数据集对应的语义特征;
通过所述图金字塔模型中的图上下文推理模块以及图语义分布模块对所述各个车辆图像数据集对应的语义特征进行处理,并根据处理结果训练得到所述车辆部件分割模型。
3.根据权利要求2所述的方法,其特征在于,所述通过所述图金字塔模型中的图上下文推理模块以及图语义分布模块对所述各个车辆图像数据集对应的语义特征进行处理,包括:
将所述各个车辆图像数据集对应的语义特征输入所述图金字塔模型的图上下文推理模块中,确定各个语义特征之间的关联关系;
将所述各个语义特征之间的关联关系输入所述图金字塔模型的图语义分布模块中进行训练,得到所述车辆部件分割模型。
4.根据权利要求3所述的方法,其特征在于,所述将所述各个语义特征之间的关联关系输入所述图金字塔模型的图语义分布模块中进行训练,得到所述车辆部件分割模型,包括:
将所述各个语义特征之间的关联关系输入所述图金字塔模型的图语义分布模块中,得到语义特征分布;
根据所述语义特征分布确定损失函数值,并根据所述损失函数值训练得到所述车辆部件分割模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述语义特征分布确定损失函数值,包括:
根据所述语义特征分布中的分布概率确定语义相近的各个语义特征,并将所述语义相近的各个语义特征进行融合处理,得到各个车辆部件的目标语义特征;
将所述各个车辆部件的目标语义特征输入所述图金字塔模型,得到所述损失函数值。
6.根据权利要求4所述的方法,其特征在于,所述根据所述损失函数值训练得到所述车辆部件分割模型,包括:
当所述损失函数值不满足预设阈值时,根据所述损失函数值调整所述图金字塔模型的模型参数;
将所述各个车辆图像数据集中的车辆图像以及所述车辆图像对应的标签集合的交集输入调整模型参数后的图金字塔模型,得到新的损失函数值;
当所述新的损失函数值满足预设阈值时,确定得到所述车辆部件分割模型。
7.根据权利要求1所述的方法,其特征在于,
所述车辆部件的标签集合中的标签包括第一标签和第二标签,所述第一标签用于指示每个车辆图像中的前景或背景,所述第二标签用于指示每个车辆图像中车辆的外观部件。
8.一种车辆部件分割装置,其特征在于,包括:
获取单元,用于获取预先已对车辆部件进行标注的样本车辆图像数据集,所述样本车辆图像数据集中包括多个车辆图像数据集,每个车辆图像数据集中包括一张或多张指定车辆的车辆图像以及所述车辆图像中标注的车辆部件的标签集合,所述标签集合中包括一个或多个标签,其中,不同的标签用于指示不同的车辆部件;
确定单元,用于根据所述每个车辆图像数据集中的标签集合,确定各个车辆图像数据集的标签集合的交集;
训练单元,用于将所述各个车辆图像数据集中的车辆图像以及所述车辆图像对应的标签集合的交集输入预设的图金字塔模型中进行训练,得到车辆部件分割模型;
识别单元,用于将待识别车辆图像输入训练得到的车辆部件分割模型,得到所述待识别车辆图像的分割结果,所述分割结果中包括用于指示所述待识别车辆图像中车辆部件的标签集合。
9.一种计算机设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序,所述处理器被配置用于调用所述程序,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1-7任一项所述的方法。