[發(fā)明專利]一種人像分割方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201811204098.7 | 申請日: | 2018-10-16 |
| 公開(公告)號(hào): | CN109523558A | 公開(公告)日: | 2019-03-26 |
| 發(fā)明(設(shè)計(jì))人: | 胡事民;張松海;董欣;李瑞龍 | 申請(專利權(quán))人: | 清華大學(xué) |
| 主分類號(hào): | G06T7/11 | 分類號(hào): | G06T7/11 |
| 代理公司: | 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002 | 代理人: | 王瑩;吳歡燕 |
| 地址: | 100084 北京市海*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 卷積神經(jīng)網(wǎng)絡(luò) 人像 分割 人像圖像 卷積 | ||
1.一種人像分割方法,其特征在于,包括:
基于訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò),對人像圖像進(jìn)行分割,所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)是在卷積神經(jīng)網(wǎng)絡(luò)中添加depthwise卷積層構(gòu)造的。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò),對人像圖像進(jìn)行分割,包括:
將所述訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為Caffe模型;
將所述Caffe模型轉(zhuǎn)換為Coreml模型;
將所述人像圖像輸入至所述Coreml模型中,以對所述人像圖像進(jìn)行分割。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,在所述基于訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò),對人臉圖像進(jìn)行分割之前,還包括:
對訓(xùn)練樣本集進(jìn)行預(yù)處理;
基于預(yù)處理后的訓(xùn)練樣本集,對所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述對訓(xùn)練樣本集進(jìn)行預(yù)處理,包括:
將所述訓(xùn)練樣本集中不含人像的圖像樣本標(biāo)記為負(fù)樣本集,并將所述訓(xùn)練樣本集中含有人像的圖像樣本標(biāo)記為正樣本集。
5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于預(yù)處理后的訓(xùn)練樣本集,對所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,包括:
基于Pytorch框架以及預(yù)處理后的訓(xùn)練樣本集,對所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到Pytorch模型;
將所述Pytorch模型作為所述訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)。
6.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于預(yù)處理后的訓(xùn)練樣本集,對所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,還包括:
將所述預(yù)處理后的訓(xùn)練樣本集輸入到所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)中,并在所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)中添加特征融合層。
7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法,其特征在于,在所述基于訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò),對人像圖像進(jìn)行分割之前,所述方法還包括:
在所述卷積神經(jīng)網(wǎng)絡(luò)中添加多個(gè)depthwise卷積層、多個(gè)上采樣層和多個(gè)下采樣層,以得到所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)。
8.一種人像分割系統(tǒng),其特征在于,包括:
分割模塊,用于基于訓(xùn)練后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò),對人像圖像進(jìn)行分割,所述輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)是在卷積神經(jīng)網(wǎng)絡(luò)中添加depthwise卷積層構(gòu)造的。
9.一種人像分割設(shè)備,包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序,其特征在于,所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述人像分割方法。
10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),其特征在于,所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令,所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1至7任一項(xiàng)所述人像分割方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué),未經(jīng)清華大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811204098.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲(chǔ)介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計(jì)方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置
- 一種圖像處理方法、移動(dòng)終端及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 圖像處理方法、及裝置
- 一種人像圖片質(zhì)量判定方法及裝置
- 身份驗(yàn)證方法、裝置及電子設(shè)備
- 人像聚類方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)
- 一種人像分割模型的訓(xùn)練方法、存儲(chǔ)介質(zhì)及終端設(shè)備
- 圖像處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 圖像處理方法、裝置、移動(dòng)終端及存儲(chǔ)介質(zhì)
- 人像圖像處理方法及裝置
- 圖像處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)





