[發明專利]圖像處理網絡的訓練方法及裝置、圖像處理方法及裝置

在審

• 申請號: 202110334694.2
• 申請日: 2021-03-29
• 公開（公告）號: CN113052242A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 孫亞楠;戴宇榮
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 王皎彤;朱志玲

1.一種圖像處理網絡的訓練方法，其特征在于，包括：

獲取訓練圖像和訓練圖像的三分圖以及訓練圖像的阿爾法值；

基于訓練圖像和訓練圖像的三分圖獲得訓練圖像的語義三分圖，其中，語義三分圖包含關于圖像中各個不同區域的像素屬于多個不同類別阿爾法模式的置信度的信息；

基于訓練圖像、訓練圖像的三分圖、訓練圖像的語義三分圖以及訓練圖像的阿爾法值對所述圖像處理網絡進行訓練。

2.根據權利要求1所述的訓練方法，其特征在于，對所述圖像處理網絡進行訓練的步驟包括：

將訓練圖像、訓練圖像的三分圖和訓練圖像的語義三分圖輸入到所述圖像處理網絡中，獲得訓練圖像的每個區域的像素的阿爾法預測值；

基于訓練圖像的每個區域的像素的阿爾法預測值和訓練圖像的阿爾法值確定所述圖像處理網絡的預測損失；

根據預測損失對所述圖像處理網絡的參數進行調整。

3.根據權利要求2所述的訓練方法，其特征在于，基于訓練圖像的每個區域的像素的阿爾法預測值和訓練圖像的阿爾法值確定所述圖像處理網絡的預測損失的步驟包括：

將訓練圖像的每個區域的像素的阿爾法預測值和訓練圖像的阿爾法值輸入到預設的多類別判別器中，獲得針對阿爾法預測值和阿爾法值的預測結果以及在判別過程中多類別判別器的每個網絡層提取出的特征圖；

基于所述預測結果和所述特征圖，確定所述圖像處理網絡的分類損失以及特征重建損失。

4.根據權利要求3所述的訓練方法，其特征在于，基于訓練圖像的每個區域的像素的阿爾法預測值和訓練圖像的阿爾法值確定所述圖像處理網絡的預測損失的步驟還包括：

確定所述圖像處理網絡的可學習參數；

基于訓練圖像的每個區域的像素的阿爾法預測值和所述圖像處理網絡的可學習參數，確定所述圖像處理網絡的阿爾法梯度分布損失。

5.根據權利要求1所述的訓練方法，其特征在于，基于訓練圖像和訓練圖像的三分圖獲得訓練圖像的語義三分圖的步驟包括：

將訓練圖像和訓練圖像的三分圖輸入到預設的分類器中，通過所述分類器獲得訓練圖像的每個區域的像素屬于所述多個不同類別的阿爾法模式的置信度；

基于訓練圖像的每個區域的像素屬于所述多個不同類別的阿爾法模式的置信度，獲得訓練圖像的語義三分圖。

6.一種圖像處理方法，其特征在于，包括：

基于圖像和所述圖像的三分圖獲得所述圖像的語義三分圖，其中，語義三分圖包含關于圖像中各個不同區域的像素屬于多個不同類別阿爾法模式的置信度的信息；

基于所述圖像、所述圖像的三分圖以及所述圖像的語義三分圖，預測所述圖像的每個區域的像素的阿爾法值；

基于所述圖像的每個區域的像素的阿爾法值對所述圖像進行處理，以獲取所述圖像中的目標對象。

7.一種圖像處理網絡的訓練裝置，其特征在于，包括：

訓練數據接收單元，被配置為獲取訓練圖像和訓練圖像的三分圖以及訓練圖像的阿爾法值；

語義圖獲得單元，被配置為基于訓練圖像和訓練圖像的三分圖獲得訓練圖像的語義三分圖，其中，語義三分圖包含關于圖像中各個不同區域的像素屬于多個不同類別阿爾法模式的置信度的信息；和

訓練單元，被配置為基于訓練圖像、訓練圖像的三分圖、訓練圖像的語義三分圖以及訓練圖像的阿爾法值對所述圖像處理網絡進行訓練。

8.一種圖像處理裝置，其特征在于，包括：

語義圖獲得單元，被配置為基于圖像和所述圖像的三分圖獲得所述圖像的語義三分圖，其中，語義三分圖包含關于圖像中各個不同區域的像素屬于多個不同類別阿爾法模式的置信度的信息；

預測單元，被配置為基于所述圖像、所述圖像的三分圖以及所述圖像的語義三分圖，預測所述圖像的每個區域的像素的阿爾法值；和

圖像處理單元，被配置為基于所述圖像的每個區域的像素的阿爾法值對所述圖像進行處理，以獲取所述圖像中的目標對象。