[發(fā)明專利]一種圖像中移除目標物體的方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910481755.0
• 申請日: 2019-06-04
• 公開（公告）號: CN110008940B
• 公開（公告）日: 2020-02-11
• 發(fā)明（設(shè)計）人: 陳海波
• 申請（專利權(quán)）人: 深蘭人工智能芯片研究院(江蘇)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06T3/00
• 代理公司: 11291 北京同達信恒知識產(chǎn)權(quán)代理有限公司
• 代理人: 黃志華

本發(fā)明公開了一種圖像中移除目標物體的方法、裝置及電子設(shè)備，該方法包括：將包含待移除的目標物體的第一子圖像的第一圖像，及預(yù)先獲取的所述第一子圖像在所述第一圖像中的目標位置信息輸入到預(yù)先訓(xùn)練完成的網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第一圖像中的所述目標位置信息處移除了所述第一子圖像的第二圖像。由于在本發(fā)明實施例中，通過使用預(yù)先訓(xùn)練完成的網(wǎng)絡(luò)模型，將第一圖像中的該目標位置信息中的第一子圖像移除，得到第二圖像。根據(jù)該網(wǎng)絡(luò)模型輸出的該第二圖像效果較好。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像中移除目標物體的方法、裝置及電子設(shè)備。

背景技術(shù)

隨著圖像采集技術(shù)的提高，人們對于圖像的顯示效果要求越來越高。例如，當(dāng)在景區(qū)拍攝一張圖像時，由于位于景區(qū)中的人較多，并且在進行拍攝的過程中景區(qū)中的人會來回走動，因此拍攝的圖像中可能包含造成干擾的其他的人，此時需要將其他人的圖像從該圖像中移除出去，得到用戶想要的圖像。

現(xiàn)有技術(shù)中的將某個指定的物體從圖像中移除，是在圖像的各個通道中移除物體，并合成每個通道移除后的結(jié)果，得到最終移除了物體的圖像。但是這種移除物體的方法存在一定的局限性，移除了物體后的圖像效果較差。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種圖像中移除目標物體的方法、裝置及電子設(shè)備，用以解決現(xiàn)有技術(shù)中移除了物體后的圖像效果較差的問題。

本發(fā)明實施例提供了一種圖像中移除目標物體的方法，所述方法包括：

將包含待移除的目標物體的第一子圖像的第一圖像，及預(yù)先獲取的所述第一子圖像在所述第一圖像中的目標位置信息輸入到預(yù)先訓(xùn)練完成的網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第一圖像中的所述目標位置信息處移除了所述第一子圖像的第二圖像。

進一步地，所述網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

獲取訓(xùn)練樣本集中的每個第三圖像，其中每個第三圖像中包含待移除的物體的第二子圖像；

針對每個第三圖像，將該第三圖像，及預(yù)先獲取的該第三圖像中待移除的物體的第二子圖像在該第三圖像中的第一位置信息輸入到所述網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第三圖像中的所述第一位置信息處移除了所述第二子圖像的第四圖像；將所述第四圖像輸入到預(yù)先訓(xùn)練完成的辨別器網(wǎng)絡(luò)模型中，獲取所述辨別器網(wǎng)絡(luò)模型輸出的辨別結(jié)果信息，其中所述辨別結(jié)果信息為真實圖像或虛假圖像；

根據(jù)每個辨別結(jié)果信息，對所述網(wǎng)絡(luò)模型進行訓(xùn)練。

進一步地，所述網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

獲取訓(xùn)練樣本集中的每個第五圖像，其中每個第五圖像中包含待移除的物體的第三子圖像；

針對每個第五圖像，將該第五圖像及預(yù)先獲取的該第五圖像中待移除的物體的第三子圖像在該第五圖像中的第二位置信息輸入到所述網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第五圖像中的所述第二位置信息處移除了所述第三子圖像的第六圖像，及包含所述物體的第七圖像；將所述第六圖像，所述第七圖像及所述第二位置信息輸入到所述網(wǎng)絡(luò)模型的反向網(wǎng)絡(luò)模型中，獲取所述反向網(wǎng)絡(luò)模型輸出的在所述第六圖像的所述第二位置信息處添加了所述第七圖像中的物體的第八圖像；

根據(jù)每個第五圖像和第八圖像的相似度，對所述網(wǎng)絡(luò)模型進行訓(xùn)練。

進一步地，所述網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

獲取訓(xùn)練樣本集中的每個第九圖像和每個第十圖像，其中每個第十圖像中包含待添加的物體的第四子圖像；