[發(fā)明專利]掩模提取方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202111466070.2
• 申請日: 2021-12-03
• 公開（公告）號: CN113888537B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 李嘉宸;張慧
• 申請（專利權(quán)）人: 深圳市網(wǎng)旭科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/194;G06V10/28;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;郭夢霞

本發(fā)明涉及計算機技術(shù)領(lǐng)域，提供了一種掩模提取方法、裝置、設(shè)備及存儲介質(zhì)。所述方法包括：對從待處理圖像中提取到的特征圖執(zhí)行尺寸轉(zhuǎn)換，得到特征圖集，根據(jù)第一融合策略對特征圖集中執(zhí)行賦值操作后的特征圖執(zhí)行融合操作，得到細(xì)節(jié)特征圖集，基于預(yù)先訓(xùn)練好的像素標(biāo)記模型對細(xì)節(jié)特征圖集中的細(xì)節(jié)特征圖，執(zhí)行像素標(biāo)記處理得到標(biāo)記圖集，根據(jù)第二融合策略將標(biāo)記圖集中執(zhí)行賦值操作及腐蝕操作后的標(biāo)記圖，與未執(zhí)行賦值操作及腐蝕操作的標(biāo)記圖執(zhí)行融合操作，得到待處理圖像的目標(biāo)掩模圖。本發(fā)明可以提取出圖像的高精度掩模，實現(xiàn)像素級別的圖像分割。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種掩模提取方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

目前，圖像分割主要是通過計算出待分割的目標(biāo)區(qū)域的掩模實現(xiàn)目標(biāo)區(qū)域的分割?，F(xiàn)有技術(shù)中通常有以下做法提取圖像的掩模，以人像前景與背景區(qū)域組成的圖像，需要分割出人像為例：第一種是基于語義分割技術(shù)，通過分析出圖像中人像前景的類別區(qū)域，將人像前景與背景區(qū)域進行二分類，但該方案會導(dǎo)致邊緣過度生硬且細(xì)節(jié)表現(xiàn)較差；第二種是基于顯著性檢測技術(shù)，其可以準(zhǔn)確的識別出人像大致區(qū)域，同時檢測精度達到準(zhǔn)像素級別，更貼近真實人像輪廓實現(xiàn)前景分離，但對于毛發(fā)等特征難以做到精確提?。坏谌N是基于trimap圖引導(dǎo)的精細(xì)化摳圖，利用預(yù)知的前景、背景及未知區(qū)域，在未知區(qū)域?qū)崿F(xiàn)像素級別的精細(xì)化檢測，從而獲得人像的高精度掩模，但該方案在真實場景中易受到trimap質(zhì)量的影響，導(dǎo)致檢測效果不穩(wěn)定，魯棒性較差。

因此，如何在各種不同的應(yīng)用場景中，準(zhǔn)確地提取出像素級別的高精度掩模，已成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，本發(fā)明提供一種掩模提取方法、裝置、設(shè)備及存儲介質(zhì)，其目的在于實現(xiàn)提取出圖像中待分割區(qū)域的高精度掩模。

為實現(xiàn)上述目的，本發(fā)明提供一種掩模提取方法，該方法包括：

獲取待處理圖像，對從所述待處理圖像中提取到的特征圖執(zhí)行尺寸轉(zhuǎn)換，得到特征圖集，其中，所述特征圖集包括多個不同尺寸的特征圖；

基于第一融合策略對所述特征圖集中執(zhí)行賦值操作后的特征圖執(zhí)行融合操作，得到細(xì)節(jié)特征圖集；

基于預(yù)先訓(xùn)練好的像素標(biāo)記模型對所述細(xì)節(jié)特征圖集中的細(xì)節(jié)特征圖，執(zhí)行像素標(biāo)記處理得到標(biāo)記圖集；

基于第二融合策略將所述標(biāo)記圖集中執(zhí)行賦值操作及腐蝕操作后的標(biāo)記圖，與未執(zhí)行賦值操作及腐蝕操作的標(biāo)記圖執(zhí)行融合操作，得到所述待處理圖像的目標(biāo)掩模圖。

優(yōu)選的，所述對從所述待處理圖像中提取到的特征圖執(zhí)行尺寸轉(zhuǎn)換，包括：

基于預(yù)先構(gòu)建的特征提取模型中的卷積網(wǎng)絡(luò)和下采樣網(wǎng)絡(luò)，對所述待處理圖像執(zhí)行卷積操作和下采樣操作得到編碼圖像；

基于所述特征提取模型中的上采樣網(wǎng)絡(luò)，對所述編碼圖像執(zhí)行上采樣操作得到解碼圖像；

基于所述特征提取模型中的融合傳遞網(wǎng)絡(luò)，對所述解碼圖像和所述編碼圖像執(zhí)行傳遞操作，得到所述待處理圖像的特征圖；

將所述待處理圖像的特征圖轉(zhuǎn)換為不同尺寸的特征圖，得到所述特征圖集。

優(yōu)選的，所述特征圖集包括第一尺寸特征圖、第二尺寸特征圖及第三尺寸特征圖；

所述基于第一融合策略對所述特征圖集中執(zhí)行賦值操作后的特征圖執(zhí)行融合操作，得到細(xì)節(jié)特征圖集，包括：

對所述第一尺寸特征圖執(zhí)行賦值操作得到第一細(xì)節(jié)特征圖；

將所述第二尺寸特征圖執(zhí)行賦值操作后與所述第一細(xì)節(jié)特征圖執(zhí)行融合操作得到第二細(xì)節(jié)特征圖；

對賦值操作后的第二尺寸特征圖及所述第三尺寸特征圖執(zhí)行賦值操作后，再執(zhí)行融合操作得到第三細(xì)節(jié)特征圖；