[發明專利]一種模型獲取方法、模型獲取裝置及智能設備

在審

• 申請號: 202011567053.3
• 申請日: 2020-12-25
• 公開（公告）號: CN112580567A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 顧在旺;程駿;胡淑萍;王東;張驚濤;郭渺辰;龐建新
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 肖遙

本申請公開了一種模型獲取方法、模型獲取裝置、智能設備及計算機可讀存儲介質。其中，該方法包括：通過待訓練的特征提取編碼器對樣本圖像進行編碼；分別通過待訓練的邊緣檢測解碼器及待訓練的人像分割解碼器對編碼結果進行解碼，得到邊緣檢測解碼器所輸出的樣本圖像的邊緣結果，以及人像分割解碼器所輸出的樣本圖像的分割結果；基于邊緣結果、分割結果及樣本圖像計算總損失；根據總損失，對邊緣檢測解碼器、人像分割解碼器及特征提取編碼器進行優化，在總損失達到收斂后，獲得由已訓練的特征提取編碼器及已訓練的人像分割解碼所構成的已訓練的人像分割模型。通過本申請方案，可使得人像分割模型的人像分割結果更為精準。

技術領域

本申請屬于圖像處理技術領域，尤其涉及一種模型獲取方法、模型獲取裝置、智能設備及計算機可讀存儲介質。

背景技術

近年來，隨著人工智能(Artificial Intelligence，AI)的快速發展，許多基于AI的應用被開發了出來。這些AI應用可部署于機器人中，通過AI算法與用戶進行互動。在AI應用與用戶進行交互的過程中，對用戶進行精準的人像分割就顯得尤為重要。

目前常見的基于全卷積神經網絡(fully connected network，FCN)的人像分割算法，通常能夠大致分割出人像的輪廓。但是由于用戶在與AI應用進行交互的過程中，用戶所處的環境是千變萬化的；在用戶和環境差別不是很大時，這些人像分割算法不能較好的分割出人像的輪廓，容易導致最終的人像分割效果較差。

發明內容

本申請提供了一種模型獲取方法、模型獲取裝置、智能設備及計算機可讀存儲介質，可使得人像分割模型的人像分割結果更為精準。

第一方面，本申請提供了一種模型獲取方法，包括：

通過待訓練的特征提取編碼器對樣本圖像進行編碼；

分別通過待訓練的邊緣檢測解碼器及待訓練的人像分割解碼器對編碼結果進行解碼，得到上述邊緣檢測解碼器所輸出的上述樣本圖像的邊緣結果，以及，上述人像分割解碼器所輸出的上述樣本圖像的分割結果；

基于上述邊緣結果、上述分割結果及上述樣本圖像計算上述邊緣檢測解碼器、上述人像分割解碼器及上述特征提取編碼器的總損失；

若上述總損失未達到收斂，則根據上述總損失對上述邊緣檢測解碼器、人像分割解碼器及特征提取編碼器進行優化，并返回執行上述通過待訓練的特征提取編碼器對樣本圖像進行編碼的步驟及后續步驟，直至上述總損失達到收斂后，獲得已訓練的人像分割模型，其中，上述已訓練的人像分割模型由已訓練的特征提取編碼器及已訓練的人像分割解碼器而構成。

第二方面，本申請提供了一種模型獲取裝置，包括：

編碼單元，用于通過待訓練的特征提取編碼器對樣本圖像進行編碼；

解碼單元，用于分別通過待訓練的邊緣檢測解碼器及待訓練的人像分割解碼器對編碼結果進行解碼，得到上述邊緣檢測解碼器所輸出的上述樣本圖像的邊緣結果，以及，上述人像分割解碼器所輸出的上述樣本圖像的分割結果；

計算單元，用于基于上述邊緣結果、上述分割結果及上述樣本圖像計算上述邊緣檢測解碼器、上述人像分割解碼器及上述特征提取編碼器的總損失；

優化單元，用于若上述總損失未達到收斂，則根據上述總損失對上述邊緣檢測解碼器、人像分割解碼器及特征提取編碼器進行優化，并再次觸發上述編碼單元的運行；

獲取單元，用于在上述總損失達到收斂后，獲得已訓練的人像分割模型，其中，上述已訓練的人像分割模型由已訓練的特征提取編碼器及已訓練的人像分割解碼器而構成。

第三方面，本申請提供了一種智能設備，上述智能設備包括存儲器、處理器以及存儲在上述存儲器中并可在上述處理器上運行的計算機程序，上述處理器執行上述計算機程序時實現如上述第一方面的方法的步驟。