图像分割方法、装置、电子设备、及存储介质制造方法及图纸

本公开实施例公开了一种图像分割方法、装置、电子设备、及存储介质，方法包括：获取待分割图像；将所述待分割图像输入预先训练的多类别识别模型，根据所述多类别识别模型的第一目标层的输出结果信息得到第一类别概率矩阵、以及根据所述多类别识别模型的第二目标层的输出结果信息得到第二类别概率矩阵，其中，所述第二类别属于所述第一类别的子类别，所述第一类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第一类别的概率值，所述第二类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第二类别的概率值。本公开实施例的技术方案能够快速对图像进行三分类语义分割，能够提高图像分割效率。

Image segmentation method, device, electronic equipment and storage medium

【技术实现步骤摘要】
图像分割方法、装置、电子设备、及存储介质
本公开实施例涉及机器学习
，具体涉及一种图像分割方法、装置、电子设备、及存储介质。
技术介绍
目前，在各种应用场景中(例如照片修图、美颜拍照)需要对图像进行语义分割，图像分割的目的是对图像中的每个像素进行分类，即为每个像素打上类别标签。进行图像分割时，有时会面临需要分类成三类的问题，例如进行美颜拍照时，既要去掉脸上的斑痘和普通痣等影响美观的元素，又需要对比较经典的痣进行保留。对于诸如上述这种图像分割问题，目前较为广泛的做法是，通常将训练样本标注为三种标签进行模型训练，例如标注为0，1，2，按照每个像素属于这三类的概率生成分别表征每一类型的三张概率图。这种方法其模型训练阶段复杂度无疑比较高，计算的难度也比较大，因此进行图像分割的效率较低。
技术实现思路
有鉴于此，本公开实施例提供一种图像分割方法、装置、电子设备、及存储介质，以实现够快速对图像进行三分类语义分割。本公开实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开实施例的实践而习得。第一方面，本公开实施例提供了一种图像分割方法，包括：获取待分割图像；将所述待分割图像输入本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：获取待分割图像；将所述待分割图像输入预先训练的多类别识别模型，根据所述多类别识别模型的第一目标层的输出结果信息得到第一类别概率矩阵、以及根据所述多类别识别模型的第二目标层的输出结果信息得到第二类别概率矩阵，其中，所述第二类别属于所述第一类别的子类别，所述第一类别概率矩阵、所述第二类别概率矩阵、以及所述待分割图像的尺寸均相同，所述第一类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第一类别的概率值，所述第二类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第二类别的概率值。

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：获取待分割图像；将所述待分割图像输入预先训练的多类别识别模型，根据所述多类别识别模型的第一目标层的输出结果信息得到第一类别概率矩阵、以及根据所述多类别识别模型的第二目标层的输出结果信息得到第二类别概率矩阵，其中，所述第二类别属于所述第一类别的子类别，所述第一类别概率矩阵、所述第二类别概率矩阵、以及所述待分割图像的尺寸均相同，所述第一类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第一类别的概率值，所述第二类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第二类别的概率值。2.根据权利要求1所述的方法，其特征在于，所述待分割图像为人脸图像；所述第一类别为斑痘痣类别，所述第二类别为具有设定特征的痣类别。3.根据权利要求2所述的方法，其特征在于，获取待分割图像的操作包括：获取包括人脸的原始图像；获取所述原始图像中待处理的人脸图像作为所述待分割图像。4.根据权利要求3所述的方法，其特征在于，获取包括人脸的原始图像的操作包括：获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述包括人脸的原始图像。5.根据权利要求3所述的方法，其特征在于，在得到所述待分割图像对应的第一类别概率矩阵和第二类别概率矩阵之后还包括：对所述第一类别概率矩阵进行反变换得到所述原始图像对应的第一类别概率矩阵，以及对所述第二类别概率矩阵进行反变换得到所述原始图像对应的第二类别概率矩阵，其中所述原始图像对应的第一类别概率矩阵、所述原始图像对应的第二类别概率矩阵、以及所述原始图像的尺寸均相同；根据所述原始图像对应的第一类别概率矩阵、以及所述原始图像对应的第二类别概率矩阵对所述原始图像进行修复处理。6.根据权利要求5所述的方法，其特征在于，根据所述原始图像对应的第一类别概率矩阵、以及所述原始图像对应的第二类别概率矩阵对所述原始图像进行修复处理的操作包括：根据第一设定阈值对所述原始图像对应的第一类别概率矩阵进行阈值化得到二值的第一类别阈值矩阵；和/或根据第二设定阈值对所述原始图像对应的第二类别概率矩阵进行阈值化得到二值的第二类别阈值矩阵；根据所述第一类别阈值矩阵和/或所述第二类别阈值矩阵对所述待分割图像进行修复处理。7.根据权利要求6所述的方法，其特征在于，根据所述第一类别阈值矩阵和/或所述第二类别阈值矩阵对所述待分割图像进行修复处理的操作包括：对所述原始图像中，第一类别阈值矩阵表示像素为斑痘痣类别，且第二类别阈值矩阵表示像素不为具有设定特征的痣类别的像素进行修复处理。8.根据权利要求1-7之一所述的方法，其特征在于，所述多类别识别模型包括第一类别识别子模型和第二类别识别子模型，所述多类别识别模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图像和用于表示样本图像中各像素的所属类别的标注类别概率矩阵，所述所属类别包括背景类...

【专利技术属性】
技术研发人员：何茜，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11