(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210277084.8 (22)申请日 2022.03.21 (71)申请人 矿冶科技 集团有限公司 地址 100160 北京市丰台区南四环西路18 8 号总部基地十八区23号楼 (72)发明人 方明山　肖仪武　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 董艳芳 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/194(2017.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06V 10/26(2022.01)G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 分割模型的训练方法、 矿物图像的分割方法 及装置 (57)摘要 本发明提供了一种分割模型的训练方法、 矿 物图像的分割方法及装置， 包括： 获取矿物图像， 并将矿物图像进行标注， 得到训练集； 其中， 训练 集中包括标注矿物图像和未标注矿物图像； 基于 标注矿物图像对分割模型进行训练， 得到第一分 割模型； 若第一分割模型不符合预设要求， 则基 于第一分割模型得到未标注矿物 图像的不确定 性； 按照不确定性的降序顺序， 将预设数量的未 标注矿物图像进行标注， 并基于标注后的未标注 矿物图像对第一分割模型进行训练， 得到目标分 割模型。 本发 明有效的改善了依赖人工标注图像 的问题， 降低了人工成本 。 权利要求书2页 说明书9页 附图4页 CN 114677385 A 2022.06.28 CN 114677385 A 1.一种分割模型的训练方法， 其特 征在于， 包括： 获取矿物图像， 并将所述矿物图像进行标注， 得到训练集； 其中， 所述训练集中包括标 注矿物图像和未 标注矿物图像； 基于所述标注矿物图像对分割模型进行训练， 得到第一分割模型； 若所述第一分割 模型不符合预设要求， 则基于所述第 一分割模型得到所述未标注矿物 图像的不确定性； 按照所述不确定性的降序顺序， 将预设数量的所述未标注矿物图像进行标注， 并基于 标注后的所述未 标注矿物图像对所述第一分割模型进行训练， 得到目标分割模型。 2.根据权利要求1所述的方法， 其特征在于， 基于所述标注的矿物图像对分割 模型进行 训练， 得到第一分割模型， 包括： 将所述训练集中的每张标注矿物图像分别 输入分割 模型， 得到所述每张标注矿物图像 对应的分割概 率图； 基于所述每张标注矿物图像对应的分割概率图和所述标注矿物图像， 确定损失函数 值； 基于所述损失函数值， 更新所述分割模型的模型参数， 得到第一分割模型。 3.根据权利要求2所述的方法， 其特 征在于， 按照以下公式计算所述损失函数： 其中， n为训练集中的样本数量， h为矿物图像的高度， ω为矿物图像的宽度， 2为通道 数， 分别代表标签的前景图和背景图， 为分割模型 的输入图像， S(Xn|θseg)(h,w,2)为 分割模型输出的分割概 率图。 4.根据权利要求1所述的方法， 其特征在于， 基于所述第 一分割模型得到所述未标注矿 物图像的不确定性， 包括： 将所述训练集中的每张未标注矿物图像分别输入第 一分割模型， 得到所述每张未标注 矿物图像对应的置信图； 基于所述置信图， 确定所述每张未 标注矿物图像的不确定性。 5.根据权利要求1所述的方法， 其特征在于， 所述分割模型包括编码模块和解码模块； 其中， 所述编码模块包括： 多个3*3的卷积层、 2个最大池化层和多个1*1的卷积层； 所述解码 模块包括： 多个上采样层和多个卷积层。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对所述训练集中的矿物图像进行预处理和图像增强； 其中， 所述预处理至少包括： 将所 述矿物图像裁剪为预设尺寸； 所述图像增强至少包括以下中的一种： 颜色直方图均衡化操 作、 水平镜像翻转操作、 高斯模糊操作、 添加随机噪声操作。 7.一种矿物图像的分割方法， 其特 征在于， 包括： 获取待分割矿物图像； 基于预先训练的分割 模型， 得到所述待分割矿物图像的分割图像； 其中， 所述分割模型 是基于权利要求1至 6任一项所述的方法训练得到的。 8.一种分割模型的训练装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114677385 A 2图像获取模块， 用于获取矿物图像， 并将所述矿物图像进行标注， 得到训练集； 其中， 所 述训练集中包括标注矿物图像和未 标注矿物图像； 第一训练模块， 用于基于所述标注矿物图像对分割模型进行训练， 得到第一分割模型； 判断模块， 用于若所述第一分割模型不符合预设要求， 则基于所述第一分割模型得到 所述未标注矿物图像的不确定性； 第二训练模块， 用于按照所述不确定性的降序顺序， 将预设数量的所述未标注矿物图 像进行标注， 并基于标注后的所述未标注矿物图像对所述第一分割模型进行训练， 得到目 标分割模型。 9.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述处 理器执行 的计算机可执行指令， 所述处理器执行所述计算机可执行指令以实现权利要求1 至6任一项所述的方法的步骤或实现权利要求7 所述的方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处理器运行时执行上述权利要求 1至6任一项 所述的方法的步骤或 执行权利要求7 所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114677385 A 3