[發明專利]圖像分割方法、圖像分割模型的訓練方法和裝置

在審

• 申請號: 202011462426.0
• 申請日: 2020-12-10
• 公開（公告）號: CN112489063A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 李虎
• 申請（專利權）人: 北京金山云網絡技術有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/181;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐麗

本發明提供了一種圖像分割方法、圖像分割模型的訓練方法和裝置，該圖像分割方法包括：獲取包含有目標人像的待處理圖像；將待處理圖像輸入至預先訓練完成的、包含有第一子模型和第二子模型的圖像分割模型；通過第一子模型，識別目標人像的邊緣位置所在的目標區域；通過第二子模型，從目標區域中識別目標人像的邊緣位置，基于目標人像的邊緣位置從待處理圖像分割所述目標人像。該方式中，第一子模型對待處理圖像進行組粒度分割，得到目標人像的邊緣位置在待處理圖像中的目標區域，然后通過第二子模型針對目標區域對待處理圖像進行精細分割，得到待處理圖像中目標人像的準確邊緣位置，從而可以準確地從待處理圖像中分割出目標人像。

技術領域

本發明涉及圖像處理技術領域，尤其是涉及一種圖像分割方法、圖像分割模型的訓練方法和裝置。

背景技術

相關技術中的人像摳圖方法，通常通過區域生長、均值迭代分割等方法進行圖像的分割，根據圖像分割結果中指示的人像區域完成人像摳圖。但該方式在進行圖像分割時所提取的特征信息有限，泛化性能較差，難以得到準確地人像分割結果。

發明內容

本發明的目的在于提供一種圖像分割方法、圖像分割模型的訓練方法和裝置，以提高人像分割的準確性。

第一方面，本發明實施例提供了一種圖像分割方法，該方法包括：獲取包含有目標人像的待處理圖像；將該待處理圖像輸入至預先訓練完成的圖像分割模型；其中，圖像分割模型包括第一子模型和第二子模型；通過第一子模型，識別目標人像的邊緣位置所在的目標區域；通過第二子模型，從目標區域中識別目標人像的邊緣位置，基于目標人像的邊緣位置從待處理圖像分割目標人像。

在可選的實施方式中，上述第一子模型包括第一編碼網絡和第一解碼網絡；上述通過第一子模型，識別目標人像的邊緣位置所在的目標區域的步驟，包括：通過第一編碼網絡，從待處理圖像中提取目標人像的邊緣特征；通過第一解碼網絡，根據邊緣特征，確定目標人像的邊緣位置所在的目標區域。

在可選的實施方式中，上述第一子模型包括多個依次連接的第一編碼網絡和第一解碼網絡；上述通過第一編碼網絡，從待處理圖像中提取目標人像的邊緣特征的步驟，包括：通過第一個第一編碼網絡，從待處理圖像中提取目標人像的邊緣特征，并對邊緣特征進行池化操作，得到分辨率低于邊緣特征的高維特征；將邊緣特征輸入至第一個第一解碼網絡，將高維特征輸入至第二個第一編碼網絡；通過第二個第一編碼網絡，從高維特征中提取目標人像的高維邊緣特征，并對高維邊緣特征進行池化操作，得到分辨率低于高維邊緣特征的高維特征；將高維邊緣特征輸入至第二個第一解碼網絡，將分辨率低于高維邊緣特征的高維特征輸入至第三個第一編碼網絡；將第三個第一編碼網絡作為新的第二個第一編碼網絡，將分辨率低于高維邊緣特征的高維特征作為新的高維特征，將第三個第一解碼網絡作為新的第二個第一解碼網絡，繼續執行通過第二個第一編碼網絡，從高維特征中提取目標人像的高維邊緣特征，并對高維邊緣特征進行池化操作，得到分辨率低于高維邊緣特征的高維特征的步驟，直到第一子模型包括的第一編碼網絡均從高維特征中提取了目標人像的邊緣特征。

上述通過第一解碼網絡，根據邊緣特征，確定目標人像的邊緣位置所在的目標區域的步驟，包括：通過第一個第一解碼網絡對第二個第一解碼網絡輸出的圖像特征進行上采樣處理，得到上采樣圖像，并將上采樣圖像與第一個第一編碼網絡輸出的邊緣特征進行疊加，對疊加后的圖像進行卷積處理，得到目標人像的邊緣位置所在的目標區域；其中，第二個第一解碼網絡輸出的圖像特征包括：對第三個第一解碼網絡輸出的圖像特征進行上采樣處理，得到上采樣圖像，將上采樣圖像與第二個第一編碼網絡輸出的高維邊緣進行疊加，對疊加后的圖像進行卷積處理，得到第二個第一解碼網絡輸出的圖像特征。

在可選的實施方式中，上述第二子模型包括第二編碼網絡和第二解碼網絡；上述通過第二子模型，從目標區域中識別目標人像的邊緣位置的步驟，包括：通過第二編碼網絡，對指示目標人像的邊緣位置所在的目標區域的圖像與待處理圖像的加和圖像進行邊緣特征提取，得到加和圖像中目標人像的邊緣特征；通過第二解碼網絡，根據加和圖像中目標人像的邊緣特征，確定目標人像的邊緣位置。