[發明專利]一種人像分割方法及系統

在審

• 申請號: 201811204098.7
• 申請日: 2018-10-16
• 公開（公告）號: CN109523558A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 胡事民;張松海;董欣;李瑞龍
• 申請（專利權）人: 清華大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種人像分割方法，其特征在于，包括：

基于訓練后的輕量級卷積神經網絡，對人像圖像進行分割，所述輕量級卷積神經網絡是在卷積神經網絡中添加depthwise卷積層構造的。

2.根據權利要求1所述的方法，其特征在于，所述基于訓練后的輕量級卷積神經網絡，對人像圖像進行分割，包括：

將所述訓練后的輕量級卷積神經網絡轉換為Caffe模型；

將所述Caffe模型轉換為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行分割。

3.根據權利要求1所述的方法，其特征在于，在所述基于訓練后的輕量級卷積神經網絡，對人臉圖像進行分割之前，還包括：

對訓練樣本集進行預處理；

基于預處理后的訓練樣本集，對所述輕量級卷積神經網絡進行訓練。

4.根據權利要求3所述的方法，其特征在于，所述對訓練樣本集進行預處理，包括：

將所述訓練樣本集中不含人像的圖像樣本標記為負樣本集，并將所述訓練樣本集中含有人像的圖像樣本標記為正樣本集。

5.根據權利要求3所述的方法，其特征在于，所述基于預處理后的訓練樣本集，對所述輕量級卷積神經網絡進行訓練，包括：

基于Pytorch框架以及預處理后的訓練樣本集，對所述輕量級卷積神經網絡進行訓練，得到Pytorch模型；

將所述Pytorch模型作為所述訓練后的輕量級卷積神經網絡。

6.根據權利要求3所述的方法，其特征在于，所述基于預處理后的訓練樣本集，對所述輕量級卷積神經網絡進行訓練，還包括：

將所述預處理后的訓練樣本集輸入到所述輕量級卷積神經網絡中，并在所述輕量級卷積神經網絡中添加特征融合層。

7.根據權利要求1至6任一項所述的方法，其特征在于，在所述基于訓練后的輕量級卷積神經網絡，對人像圖像進行分割之前，所述方法還包括：

在所述卷積神經網絡中添加多個depthwise卷積層、多個上采樣層和多個下采樣層，以得到所述輕量級卷積神經網絡。

8.一種人像分割系統，其特征在于，包括：

分割模塊，用于基于訓練后的輕量級卷積神經網絡，對人像圖像進行分割，所述輕量級卷積神經網絡是在卷積神經網絡中添加depthwise卷積層構造的。

9.一種人像分割設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述人像分割方法。

10.一種非暫態計算機可讀存儲介質，其特征在于，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行如權利要求1至7任一項所述人像分割方法。