一种特定类别图片的前景分割算法制造技术

本发明专利技术公开了一种特定类别图片的前景分割算法，涉及图片处理领域，要解决的是现有方法的视觉质量较差的问题。本发明专利技术具体步骤如下：步骤一，准备充分多的包含目标类别的图片；步骤二，准备充分多并且真实的背景图片；步骤三，生成对抗训练学习前景分割。本发明专利技术使用对抗训练优化合成图片来优化目标前景分割，会有更好的视觉质量；本发明专利技术在合成图片中使用独立采样,确保前景和背景的外观独立，可以避免人工设计统计描述的不足,使用更为低廉的标注代价训练出能直接从图片中抠取高质量前景的神经网络模型，具有广阔的应用前景。

【技术实现步骤摘要】
一种特定类别图片的前景分割算法
本专利技术涉及图片处理领域，具体是一种特定类别图片的前景分割算法。
技术介绍
随着深度学习的发展,传统图像处理算法正被取代,深度神经网络能自动学习有利于处理特定任务的特征,用它们进行决策,相比利用传统手工设计的特征更通用,适应能力更强且能有较高泛化能力。正因如此,目前的算法在进行图像分割,也即对图片中的物体元素进行像素级提取和定位等任务上的效果都取得了很大的进步。只要用于训练神经网络模型的标注数据足够多,一般都能满足实际应用的需求。但是由于图像分割的标注需要精确到每个像素点,这使得标注成本非常高昂,获取大量有标注数据显得极为困难。但庆幸的是,近几年来,生成模型取得了很大的进展,能有效训练的生成模型使得通过生成无标注数据来学习数据内部的知识成为可能。LR-GAN以及ImageGenerationfromSceneGraphs向我们展示了,利用生成模型和无像素级标注的数据,网络可以学习到粗糙的物体掩模，LR-GAN通过神经网络凭空生成多个图层并通过对抗训练优化合成图片的质量,每个图层能无监督地学习到物体的外观本文档来自技高网...

【技术保护点】
1.一种特定类别图片的前景分割算法，其特征在于，具体步骤如下：/n步骤一，准备充分多的包含目标类别的图片；/n步骤二，准备充分多并且真实的背景图片；/n步骤三，生成对抗训练学习前景分割。/n

【技术特征摘要】
1.一种特定类别图片的前景分割算法，其特征在于，具体步骤如下：
步骤一，准备充分多的包含目标类别的图片；
步骤二，准备充分多并且真实的背景图片；
步骤三，生成对抗训练学习前景分割。


2.根据权利要求1所述的特定类别图片的前景分割算法，其特征在于，所述步骤一中准备包含目标类别的图片的方式为在开源数据集中寻找是否有含该类别的图片,若有则使用提供的检测框标注信息进行切取,统一缩放到预设大小；在互联网上根据关键字爬取该类别的图片,使用目标检测器进行选框预测,切取该区域并缩放到预设大小。


3.根据权利要求2所述的特定类别图片的前景分割算法，其特征在于，所述开源数据集包括imagenet和coco。


4.根据权利要求1所述的特定类别图片的前景分割算法，其特征在于，所述步骤二中准备背景图片的方式为从检测框以外的区域随机选取尺寸相近的小块,并缩放到预设大小作为背景图片；根据人类经验,选择特定场景的描述关键字,从互联...

【专利技术属性】
技术研发人员：李晓强，戴松民，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31