技术特征：
1.一种点标注的全景分割模型训练方法，其特征在于，包括：获取图像样本中的各个对象的至少一个目标像素点的标注信息；将图像样本和所述标注信息，输入全景分割模型中的标签生成子模型，得到图像样本中的各个像素点的伪标签；根据图像样本中的各个像素点的伪标签，对全景分割模型中的分割子模型进行训练，得到训练后的分割子模型；所述分割子模型用于对待分割图像进行全景分割。2.根据权利要求1所述的点标注的全景分割模型训练方法，其特征在于，所述标签生成子模型为基于如下方式得到的：将所述图像样本和所述标注信息输入初始标签生成子模型，得到图像样本中的目标像素点的特征信息，所述特征信息包括语义分割结果和/或特征编码；根据所述特征信息对所述初始标签生成子模型进行训练，得到所述标签生成子模型。3.根据权利要求2所述的点标注的全景分割模型训练方法，其特征在于，所述将图像样本和所述标注信息，输入全景分割模型中的标签生成子模型，得到图像样本中的各个像素点的伪标签，包括：将图像样本和所述标注信息，输入全景分割模型中的标签生成子模型，得到目标信息，所述目标信息包括以下至少一项：各个像素点的语义分割结果、各个像素点的特征编码和所述图像样本的边缘图像；根据所述目标信息生成相邻像素点之间的目标判据；所述目标判据包括以下至少一项：语义判据、实例判据、和边界判据；根据所述相邻像素点之间的目标判据，确定各个像素点的伪标签。4.根据权利要求3所述的点标注的全景分割模型训练方法，其特征在于，所述根据所述相邻像素点之间的目标判据，确定各个像素点的伪标签，包括：根据所述相邻像素点之间的目标判据，确定各个像素点至各个目标像素点的最短距离；根据各个像素点至各个目标像素点的最短距离，确定各个像素点的伪标签。5.根据权利要求1-4任一项所述的点标注的全景分割模型训练方法，其特征在于，所述目标像素点的标注信息，包括如下至少一项：目标像素点的位置信息、目标像素点所对应的类别信息和实例信息。6.一种全景分割方法，其特征在于，还包括：获取待分割图像；将所述待分割图像，输入全景分割模型的分割子模型，得到所述待分割图像的全景分割结果，其中，所述全景分割模型为基于如权利要求1-5任一项所述的点标注的全景分割模型训练方法训练得到的。7.一种全景分割模型训练装置，其特征在于，包括：获取模块，用于获取图像样本中的各个对象的至少一个目标像素点的标注信息；处理模块，用于将图像样本和所述标注信息，输入全景分割模型中的标签生成子模型，得到图像样本中的各个像素点的伪标签；训练模块，用于根据图像样本中的各个像素点的伪标签，对全景分割模型中的分割子模型进行训练，得到训练后的分割子模型；所述分割子模型用于对待分割图像进行全景分
割。8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的点标注的全景分割模型训练方法或权利要求6所述的全景分割方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述的点标注的全景分割模型训练方法或权利要求6所述的全景分割方法。10.一种计算机程序产品，其上存储有可执行指令，其特征在于，该指令被处理器执行时使处理器实现如权利要求1至5中任一项所述的点标注的全景分割模型训练方法或权利要求6所述的全景分割方法。
技术总结
本发明实施例提供一种点标注的全景分割模型训练方法、全景分割方法和装置，该方法包括：获取图像样本中的各个对象的至少一个目标像素点的标注信息；将图像样本和标注信息，输入全景分割模型中的标签生成子模型，得到图像样本中的各个像素点的伪标签；根据图像样本中的各个像素点的伪标签，对全景分割模型中的分割子模型进行训练，得到训练后的分割子模型；分割子模型用于对待分割图像进行全景分割。本发明实施例的方法基于点标注进行全景分割模型的训练，只需要对图像样本中的每一目标对象给予一个或多个点的标注即可实现全景分割模型的训练，提高了全景分割模型的训练效率。提高了全景分割模型的训练效率。提高了全景分割模型的训练效率。
技术研发人员：张兆翔 谭铁牛 樊峻菘 王玉玺
受保护的技术使用者：中国科学院香港创新研究院人工智能与机器人创新中心有限公司
技术研发日：2022.08.01
技术公布日：2022/12/9