[發(fā)明專利]基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 201911030874.0 | 申請日: | 2019-10-28 |
| 公開(公告)號: | CN110889855B | 公開(公告)日: | 2022-05-20 |
| 發(fā)明(設(shè)計)人: | 王軍華;錢彬;黃金;江帆;倪鳴;徐巍 | 申請(專利權(quán))人: | 公安部交通管理科學(xué)研究所 |
| 主分類號: | G06T7/11 | 分類號: | G06T7/11;G06T7/194 |
| 代理公司: | 無錫市大為專利商標(biāo)事務(wù)所(普通合伙) 32104 | 代理人: | 曹祖良;陳麗麗 |
| 地址: | 214151 江*** | 國省代碼: | 江蘇;32 |
| 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: | 基于 端到端 卷積 神經(jīng)網(wǎng)絡(luò) 證件 照摳圖 方法 系統(tǒng) | ||
1.一種基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法包括:
將證件人像照片的摳圖蒙版中的前景圖與互聯(lián)網(wǎng)照片進行合成得到訓(xùn)練圖像,其中所述證件人像照片的摳圖蒙版為對所述證件人像照片進行人工精細(xì)摳圖獲得;
根據(jù)輕量級語義分割網(wǎng)絡(luò)模型生成粗分割Trimap圖網(wǎng)絡(luò);
根據(jù)編解碼網(wǎng)絡(luò)對所述粗分割Trimap圖網(wǎng)絡(luò)進行精細(xì)化摳圖,得到精細(xì)化摳圖網(wǎng)絡(luò);
將所述粗分割Trimap圖網(wǎng)絡(luò)和所述精細(xì)化摳圖網(wǎng)絡(luò)進行級聯(lián),得到端到端網(wǎng)絡(luò)模型;
將所述訓(xùn)練圖像輸入所述端到端網(wǎng)絡(luò)模型進行微調(diào),得到完成訓(xùn)練的端到端網(wǎng)絡(luò)模型,其中所述完成訓(xùn)練的端到端網(wǎng)絡(luò)模型能夠用于對輸入的證件照進行摳圖。
2.根據(jù)權(quán)利要求1所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述將證件人像照片的摳圖蒙版中的前景圖與互聯(lián)網(wǎng)照片進行合成得到訓(xùn)練圖像,包括:
分別采集證件人像照片以及不含人像的互聯(lián)網(wǎng)照片;
獲取每張證件人像照片的摳圖蒙版;
將所述不含人像的互聯(lián)網(wǎng)照片作為背景圖與所述證件人像照片的摳圖蒙版中的前景圖進行合成,得到所述訓(xùn)練圖像。
3.根據(jù)權(quán)利要求2所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,合成所述訓(xùn)練圖像的合成公式為:
Inew=aF+(1-a)B,a∈[0,1],
其中,Inew表示所述訓(xùn)練圖像,F(xiàn)表示證件人像照片的摳圖蒙版中的前景圖,B表示所述不含人像的互聯(lián)網(wǎng)照片。
4.根據(jù)權(quán)利要求2所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述將證件人像照片的摳圖蒙版中的前景圖與互聯(lián)網(wǎng)照片進行合成得到訓(xùn)練圖像,還包括:
將所述證件人像照片的摳圖蒙版與所述訓(xùn)練圖像合并保存成png格式圖片。
5.根據(jù)權(quán)利要求1所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述根據(jù)輕量級語義分割網(wǎng)絡(luò)模型生成粗分割Trimap圖網(wǎng)絡(luò),包括:
根據(jù)所述證件人像照片的摳圖蒙版的灰度值進行二分割確定摳圖蒙版的背景圖和前景圖;
對所述證件人像照片的摳圖蒙版進行形態(tài)學(xué)腐蝕和膨脹操作獲得摳圖蒙版的可能前景圖。
6.根據(jù)權(quán)利要求5所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述根據(jù)編解碼網(wǎng)絡(luò)對所述粗分割Trimap圖網(wǎng)絡(luò)進行精細(xì)化摳圖,得到精細(xì)化摳圖網(wǎng)絡(luò),包括:
將所述粗分割Trimap圖網(wǎng)絡(luò)中的背景圖、前景圖和可能前景圖與所述證件人像照片的RGB三通道圖合并得到六通道圖;
將所述六通道圖輸入到所述編解碼網(wǎng)絡(luò),并進行多卷積和去卷積訓(xùn)練,得到單通道摳圖結(jié)果。
7.根據(jù)權(quán)利要求6所述的基于端到端卷積神經(jīng)網(wǎng)絡(luò)的證件照摳圖方法,其特征在于,所述根據(jù)編解碼網(wǎng)絡(luò)對所述粗分割Trimap圖網(wǎng)絡(luò)進行精細(xì)化摳圖,得到精細(xì)化摳圖網(wǎng)絡(luò),還包括在所述將所述六通道圖輸入到所述編解碼網(wǎng)絡(luò)步驟前進行的:
根據(jù)VGG16分類模型對所述編解碼網(wǎng)絡(luò)進行初始化。
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)利屬于公安部交通管理科學(xué)研究所,未經(jīng)公安部交通管理科學(xué)研究所許可,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/201911030874.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





