[發(fā)明專利]自動摳圖模型建立方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110962940.9
• 申請日: 2020-06-30
• 公開（公告）號: CN113706372A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設計）人: 林漢權;林杰興
• 申請（專利權）人: 稿定（廈門）科技有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T7/11;G06T7/194
• 代理公司: 廈門原創(chuàng)專利事務所(普通合伙) 35101
• 代理人: 黃巧香

本發(fā)明公開了一種自動摳圖模型建立方法、介質(zhì)、設備及系統(tǒng)，其中方法包括以下步驟：獲取歷史圖片，并根據(jù)所述歷史圖片生成訓練數(shù)據(jù)集；根據(jù)所述訓練數(shù)據(jù)集進行分割模型的訓練，以便通過訓練得到的分割模型根據(jù)訓練數(shù)據(jù)集中的原始圖片生成對應的三元組圖片；根據(jù)所述訓練數(shù)據(jù)集中的原始圖片和該原始圖片對應的三元組圖片進行摳圖模型的訓練，以生成摳圖模型。該自動摳圖模型建立方法所建立的摳圖模型能夠根據(jù)用戶輸入的原始圖片進行前景部分的自動摳取，降低用戶摳圖所需編輯時間，降低摳圖難度；同時，保證摳圖結果的穩(wěn)定性。

本申請是申請日為2020年6月30日、名稱為“自動摳圖方法及系統(tǒng)”，申請?zhí)枮椤?020106111751”的分案申請。

技術領域

本發(fā)明涉及圖像處理技術領域，特別涉及一種自動摳圖模型建立方法、一種計算機可讀存儲介質(zhì)、一種計算機設備以及一種自動摳圖模型建立系統(tǒng)。

背景技術

摳圖(圖像去背景)是指準確提取靜止圖片或者視頻圖片序列中的前景目標，它是許多圖像編輯中的關鍵技術。

相關技術中，在對靜止圖片或者視頻圖片進行摳圖處理的過程中，多采用人工對靜止圖片或者視頻圖片中的前景部分進行摳取，而這一過程將耗費用戶大量的編輯時間，并且操作門欄較高。同時，由于人為的不可確定性，將導致?lián)笀D結果不穩(wěn)定，可能導致最終摳圖結果不夠精細。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決上述技術中的技術問題之一。為此，本發(fā)明的一個目的在于提出一種自動摳圖模型建立方法，該自動摳圖模型建立方法所建立的摳圖模型能夠根據(jù)用戶輸入的原始圖片進行前景部分的自動摳取，降低用戶摳圖所需編輯時間，降低摳圖難度；同時，保證摳圖結果的穩(wěn)定性。

本發(fā)明的第二個目的在于提出一種計算機可讀存儲介質(zhì)。

本發(fā)明的第三個目的在于提出一種計算機設備。

本發(fā)明的第四個目的在于提出一種自動摳圖模型建立系統(tǒng)。

為達到上述目的，本發(fā)明第一方面實施例提出了一種自動摳圖模型建立方法，包括以下步驟：獲取歷史圖片，并根據(jù)所述歷史圖片生成訓練數(shù)據(jù)集；根據(jù)所述訓練數(shù)據(jù)集進行分割模型的訓練，以便通過訓練得到的分割模型根據(jù)訓練數(shù)據(jù)集中的原始圖片生成對應的三元組圖片；根據(jù)所述訓練數(shù)據(jù)集中的原始圖片和該原始圖片對應的三元組圖片進行摳圖模型的訓練，以生成摳圖模型。

根據(jù)本發(fā)明實施例的自動摳圖方法，首先，獲取歷史圖片，并根據(jù)所述歷史圖片生成訓練數(shù)據(jù)集；接著，根據(jù)所述訓練數(shù)據(jù)集進行分割模型的訓練，以便通過訓練得到的分割模型根據(jù)訓練數(shù)據(jù)集中的原始圖片生成對應的三元組圖片；然后，根據(jù)所述訓練數(shù)據(jù)集中的原始圖片和該原始圖片對應的三元組圖片進行摳圖模型的訓練，以生成摳圖模型。接著，獲取待摳圖圖片，并將所述待摳圖圖片輸入到所述分割模型，以通過所述分割模型生成所述待摳圖圖片對應的三元組圖片；然后，將所述待摳圖圖片和該待摳圖圖片對應的三元組圖片輸入到所述摳圖模型，以通過所述摳圖模型生成該待摳圖圖片對應的圖形蒙版，以及根據(jù)所述圖形蒙版對所述待摳圖圖片進行自動摳圖；從而實現(xiàn)根據(jù)用戶輸入的原始圖片進行前景部分的自動摳取，降低用戶摳圖所需編輯時間，降低摳圖難度；同時，保證摳圖結果的穩(wěn)定性。

另外，根據(jù)本發(fā)明上述實施例提出的自動摳圖模型建立方法還可以具有如下附加的技術特征：

可選地，所述根據(jù)所述訓練數(shù)據(jù)集進行分割模型的訓練的步驟包括：

將初始學習率設置為0.001，學習率按照多項式遞減；訓練周期為X，損失函數(shù)采用交叉熵；網(wǎng)絡權重通過反向傳播不斷更新梯度信息，以完成分割模型的訓練。

可選地，所述根據(jù)所述訓練數(shù)據(jù)集進行分割模型的訓練的步驟，進一步包括：