[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

本發明實施例提供了一種人像分割方法及系統，該方法包括：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。本發明實施例提供的人像分割方法及系統，通過構造和訓練輕量級卷積神經網絡，降低了卷積神經網絡的參數量，提高了基于卷積神經網絡進行人像分割的效率。

技術領域

本發明實施例涉及計算機視覺領域，尤其涉及一種人像分割方法及系統。

背景技術

人像分割是計算機視覺領域的基礎課題之一，在學術界與工業界都受到了廣泛的重視。隨著移動互聯網的飛速發展，在視頻會議和直播聊天等應用中，傳統的人像分割方法存在處理速度慢、準確率低、算法復雜度高等顯著問題。

近年來隨著深度學習的發展，基于卷積神經網絡的人像分割方法取得了極大的發展。為了提高人像分割準確率，通常會設計深度卷積神經網絡進行人像分割，可以分割出較好的分割線。然而，深度卷積神經網絡在提高分割準確率的同時，卻忽略了對分割速率的要求，再加上深度卷積神經網絡模型的壓縮處理比較繁瑣，以及訓練模型尺寸較大，以至處理人像分割的效率較低。

因此，為了提高人像分割的效率，現在亟需一種人像分割方法及系統來解決上述問題。

發明內容

本發明實施例為解決現有技術中基于卷積神經網絡進行人像分割存在效率較低的缺陷，提供了一種人像分割方法及系統。

第一方面，本發明實施例提供了一種人像分割方法，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。

第二方面，本發明實施例提供了一種人像分割系統，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。

第三方面，本發明實施例提供了一種人像分割設備，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，所述處理器執行所述程序時實現如第一方面所述的人像分割方法。

第四方面，本發明實施例提供了一種非暫態計算機可讀存儲介質，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第一方面所述的人像分割方法。

本發明實施例提供的人像分割方法及系統，通過構造和訓練輕量級卷積神經網絡，從而降低了卷積神經網絡的參數量，提高了基于卷積神經網絡進行人像分割的效率。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例提供的人像分割方法的流程示意圖；

圖2為本發明實施例提供的輕量級卷積神經網絡框架模型示意圖；

圖3為本發明實施例提供的人像分割系統的結構示意圖；

圖4為本發明實施例提供的人像分割設備的結構示意圖。

具體實施方式

為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。