在一些智能手機(jī)的相冊里，只需長按照片，圖中的人、物就會與背景分開，用戶可以直接保存分割出的內(nèi)容，進(jìn)行編輯和分享，日常生活中這樣的圖像分割技術(shù)已無處不在，它甚至可以用于醫(yī)學(xué)影像分析，如計算機(jī)斷層掃描（CT）和磁共振成像（MRI）等，來幫助醫(yī)生更好地識別病變部位和范圍，提高診斷準(zhǔn)確率和治療效果。

【資料圖】

圖像分割是計算機(jī)視覺領(lǐng)域的重要部分，它能將圖片中的每個像素按照不同的語義類別進(jìn)行分類，識別分割出圖中的各個部分，例如在街景圖中使用該技術(shù)，就可以輸出一張將汽車、行人、建筑物按類別分割開的圖片。

然而，在訓(xùn)練圖像分割模型時，研究人員需要人工標(biāo)注好大量圖片，指明圖中物體所屬類別，供模型提取特征、自我學(xué)習(xí)，提高識別與分割的能力。這不僅費(fèi)時費(fèi)力，而且容易出錯，造成的錯誤標(biāo)注會使模型難以達(dá)到預(yù)期的準(zhǔn)確度。

針對以上問題，西交利物浦大學(xué)智能工程學(xué)院的研究人員開發(fā)了一種新穎的技術(shù)，讓圖像分割模型能夠從帶噪聲的標(biāo)簽中繼續(xù)學(xué)習(xí)，即使標(biāo)注數(shù)據(jù)有誤，依然可以輸出較為準(zhǔn)確的結(jié)果。

該研究成果于近日收錄于計算機(jī)視覺領(lǐng)域頂級期刊《國際計算機(jī)視覺雜志》（International Journal of Computer Vision），它是中國計算機(jī)學(xué)會認(rèn)定的四本人工智能A類期刊之一, 影響因子13.3，這也是西浦第一篇收錄于該期刊的論文。

據(jù)論文的第一作者、智能工程學(xué)院2022屆博士畢業(yè)生張冰峰介紹，這項技術(shù)的靈感來源于我們?nèi)粘Ｉ钪械囊恍┙?jīng)驗，比如我們看到的景色可能會受到不同光線、天氣等因素的影響，讓我們產(chǎn)生不同的感受，影響我們的判斷。

研究團(tuán)隊借鑒了這種經(jīng)驗，引入了“雙專家結(jié)構(gòu)”，該結(jié)構(gòu)分別優(yōu)化兩種不同的圖片特征，給出兩種圖像分割結(jié)果的預(yù)測，這兩種預(yù)測有不同的可信區(qū)域，綜合分析它們的可靠性后，就可以最終獲得一個更為精確的預(yù)測。

圖片說明：比較包含噪聲的標(biāo)簽和訓(xùn)練后得到的預(yù)測結(jié)果，（a）原始圖像，(b)真值，(c)帶噪音的標(biāo)簽, 白框表示標(biāo)簽中主要的噪聲區(qū)域，（d）通過優(yōu)化交叉熵?fù)p失得到的預(yù)測結(jié)果，（e）通過優(yōu)化soft Dice損失得到的預(yù)測結(jié)果；（d）和（e）是雙專家結(jié)構(gòu)中使用兩種不同的優(yōu)化方案后得到的圖像分割預(yù)測。

張冰峰的導(dǎo)師肖繼民博士指出，這項技術(shù)的應(yīng)用非常廣泛，尤其是在一些對圖像分割準(zhǔn)確度要求較高的領(lǐng)域，比如醫(yī)療影像、智能駕駛等。

“這項研究為我們提供了一種全新的技術(shù)手段，讓模型能夠更好地處理標(biāo)注數(shù)據(jù)中的噪聲和錯誤，從錯誤中獲取有效數(shù)據(jù)繼續(xù)學(xué)習(xí)，提高圖片分割性能。相信在未來，這項技術(shù)將扮演越來越重要的角色，拉近我們與智能化生活的距離。”肖繼民博士總結(jié)道。

目前，張冰峰博士在中國石油大學(xué)擔(dān)任副教授職務(wù)。（記者：金畫恬 編輯：石露蕓）