[發明專利]一種摳圖模型訓練、圖像摳圖的方法及裝置

有效

• 申請號: 202110264893.0
• 申請日: 2021-03-11
• 公開（公告）號: CN113052868B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 王闖闖;錢貝貝;楊飛宇;胡正
• 申請（專利權）人: 奧比中光科技集團股份有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 趙磊

本申請適用于圖像處理的技術領域，提供一種摳圖模型訓練、圖像摳圖的方法及裝置，所述校正方法包括：獲取訓練樣本集合、初始教師模型以及初始學生模型；通過所述訓練樣本集合，訓練所述初始教師模型得到目標教師模型以及所述目標教師模型輸出的第一透明度蒙版；分別將所述目標教師模型中的第一權重參數遷移至所述初始學生模型中的各個子網絡中，得到過渡學生模型；根據所述第一透明度蒙版以及所述訓練樣本集合，訓練所述過渡學生模型得到摳圖模型。由于摳圖模型不僅擁有目標教師模型中的第一權重參數，且不斷學習目標教師模型輸出的第一透明度蒙版，故在保證處理精度的前提下，巧妙地縮減了模型的體量以及處理時長。

技術領域

本申請屬于圖像處理的技術領域，尤其涉及一種摳圖模型訓練、圖像摳圖的方法及裝置。

背景技術

在圖像處理領域中，前景摳圖是一種常用的處理手段。其中，前景摳圖是指提取圖像中感興趣區域(前景)，獲取一張精細的透明度蒙版，利用透明度蒙版從圖像或視頻中提取摳圖對象，從而將摳圖對象應用于照片編輯、電影再創作中。

傳統的摳圖技術，往往采用摳圖模型獲取透明度蒙版，進而根據透明度蒙版從圖像或視頻中提取摳圖對象。然而，為了進一步提升摳圖模型的處理精度，傳統的摳圖模型往往體量較大，導致處理時長較長，無法應用于實時摳圖的應用場景。

發明內容

有鑒于此，本申請實施例提供了一種摳圖模型訓練的方法、一種圖像摳圖的方法、一種摳圖模型訓練的裝置、一種圖像摳圖的裝置、第一終端設備、第二終端設備以及計算機可讀存儲介質，可以解決傳統的摳圖模型往往體量較大，導致處理時長較長，無法應用于實時摳圖的應用場景的技術問題。

本申請實施例的第一方面提供了一種摳圖模型訓練的方法，所述方法包括：

獲取訓練樣本集合、初始教師模型以及初始學生模型；其中，所述初始學生模型的網絡結構復雜度低于所述初始教師模型的網絡結構復雜度；每個訓練樣本中包括輸入樣本和輸出樣本；所述輸入樣本包括待摳圖圖像、背景圖像以及所述待摳圖圖像的深度圖像，所述輸出樣本包括待摳圖圖像對應的標準透明度蒙版；

通過所述訓練樣本集合，訓練所述初始教師模型得到目標教師模型以及所述目標教師模型輸出的第一透明度蒙版；

分別將所述目標教師模型中的第一權重參數遷移至所述初始學生模型中的各個子網絡中，得到過渡學生模型；

根據所述第一透明度蒙版以及所述訓練樣本集合，訓練所述過渡學生模型得到摳圖模型。

本申請實施例的第二方面提供了一種圖像摳圖的方法，所述方法包括：

獲取待摳圖圖像、背景圖像以及所述待摳圖圖像對應的深度圖像；其中，所述待摳圖圖像和所述背景圖像為相同取景位置下采集的圖像，所述待摳圖圖像中包括摳圖對象，所述背景圖像中不包括所述摳圖對象；

將所述待摳圖圖像、所述背景圖像以及所述深度圖像輸入預先訓練的摳圖模型中，得到由所述摳圖模型輸出的目標透明度蒙版；所述摳圖模型由過渡學生模型訓練得到，所述過渡學生模型由目標教師模型的第一權重參數遷移至初始學生模型得到；所述摳圖模型的網絡結構復雜度低于所述目標教師模型的網絡結構復雜度；

根據所述目標透明度蒙版，截取所述待摳圖圖像中所述摳圖對象對應的摳圖圖像。

本申請實施例的第三方面提供了一種摳圖模型訓練的裝置，所述裝置包括：

第一獲取單元，用于獲取訓練樣本集合、初始教師模型以及初始學生模型；其中，所述初始學生模型的網絡結構復雜度低于所述初始教師模型的網絡結構復雜度；每個訓練樣本中包括輸入樣本和輸出樣本；所述輸入樣本包括待摳圖圖像、背景圖像以及所述待摳圖圖像的深度圖像，所述輸出樣本包括待摳圖圖像對應的標準透明度蒙版；