一种目标提取方法及装置制造方法及图纸

本申请提供了一种目标提取方法及装置，其中，方法包括：获取待提取目标的图像和位置信息；位置信息包括前景点的位置信息和背景点的位置信息；依据前景点的位置信息计算前景二值图像，以及依据背景点的位置信息计算背景二值图像；将图像、前景二值图像和背景二值图像进行通道组合；将通道组合后的图像输入训练后的目标语义分割模型，得到用于区分所述图像中的目标和非目标的掩膜；目标语义分割模型是至少将Deeplab v3+语义分割网络中的Xception‑65替换为残差网络ResNet‑101得到；依据掩膜和图像，提取图像中的目标。本申请提供的目标的提取方法，提取目标的速度和精度都得到提高。

【技术实现步骤摘要】
一种目标提取方法及装置
本申请涉及图像处理领域，尤其涉及一种目标提取方法及装置。
技术介绍
在一些应用场景中，用户需要从图像中提取需要的物体，为了描述方便，将图像中用户所需提取的物体称为目标，将图像中除目标外的内容，称为非目标。通常情况下，用户在图像中的目标内点击预设第一数量的位置点(为了描述方便，称为前景点)，该前景点用于代表目标。同时，用户在图像的非目标点击预设的第二数量的位置点(为了描述方便，称为背景点)，该背景点用于代表非目标。目前，基于待提取目标的图像、前景点和背景点，通过语义分割模型进行处理，进而提取出目标。但是，目前提取目标的精度和速度都较低。
技术实现思路
本申请提供了一种目标提取方法及装置，目的在于解决目标提取的精度和速度较低的问题。为了实现上述目的，本申请提供了以下技术方案：本申请提供了一种目标提取方法，包括：获取待提取目标的图像和位置信息；所述位置信息包括前景点的位置信息和背景点的位置信息；依据所述前景点的位置信息计算前景二值图像；r>依据所述背景点的本文档来自技高网...

【技术保护点】
1.一种目标提取方法，其特征在于，包括：/n获取待提取目标的图像和位置信息；所述位置信息包括前景点的位置信息和背景点的位置信息；/n依据所述前景点的位置信息计算前景二值图像；/n依据所述背景点的位置信息计算背景二值图像；/n将所述图像、所述前景二值图像和所述背景二值图像进行通道组合，得到通道组合后的图像；/n将所述通道组合后的图像输入训练后的目标语义分割模型，得到用于区分所述图像中的目标和非目标的掩膜；所述目标语义分割模型是至少将Deeplab v3+语义分割网络中的Xception-65替换为残差网络ResNet-101得到；/n依据所述掩膜和所述图像，提取所述图像中的目标。/n

【技术特征摘要】
1.一种目标提取方法，其特征在于，包括：
获取待提取目标的图像和位置信息；所述位置信息包括前景点的位置信息和背景点的位置信息；
依据所述前景点的位置信息计算前景二值图像；
依据所述背景点的位置信息计算背景二值图像；
将所述图像、所述前景二值图像和所述背景二值图像进行通道组合，得到通道组合后的图像；
将所述通道组合后的图像输入训练后的目标语义分割模型，得到用于区分所述图像中的目标和非目标的掩膜；所述目标语义分割模型是至少将Deeplabv3+语义分割网络中的Xception-65替换为残差网络ResNet-101得到；
依据所述掩膜和所述图像，提取所述图像中的目标。


2.根据权利要求1所述的方法，其特征在于，所述依据所述前景点的位置信息计算前景二值图像，包括：
在所述图像中，分别以每个前景点为圆心，以预设半径作圆，得到每个所述前景点对应的圆；
将每个所述前景点对应的圆所在的区域的像素点的像素值设置为1，将所述前景点对应的圆之外的像素点的像素值设置为0，得到所述前景二值图像。


3.根据权利要求1所述的方法，其特征在于，所述依据所述背景点的位置信息计算背景二值图像，包括：
在所述图像中，分别以每个背景点为圆心，以所述预设半径作圆，得到每个所述背景点对应的圆；
将每个所述背景点对应的圆所在的区域的像素点的像素值设置为1，将所述背景点对应的圆之外的像素点的像素值设置为0，得到所述背景二值图像。


4.根据权利要求1所述的方法，其特征在于，所述目标语义分割网络的最终输出网络的通道数为2；
所述掩膜包括第一掩膜和第二掩膜；所述第一掩膜中任一位置点的取值表示所述图像中与该位置点相同的像素点属于所述目标的概率；所述第二掩膜中任一位置点的取值表示所述图像中与该位置点相同的像素点属于所述非目标的概率；
所述依据所述掩膜和所述图像，提取所述图像中的所述目标，包括：
对所述第一掩膜和所述第二掩膜中的目标位置点的取值进行比较，得到比较结果；所述目标位置点为相同位置点；
在所述比较结果表示：所述第一掩膜中所述目标位置点的取值大于所述第二掩膜中所述目标位置点的取值的情况下，则将所述图像中所述目标位置点指示的像素点作为目标像素点；
将所述图像中所述目标像素点组成的区域，作为所述目标。


5.根据权利要求4所述的方法，其特征在于，所述图像为RGB图像；所述残差网络ResNet-101的输入通道数为5。


6.根据权利要求5所述的方法，其特征在于，对所述目标语义分割模型的训练过程，包括：
获取训练样本和样本标签；任意一个所述训练样本为由RGB原始图像、前景二值图像和背景二值图像通过通道组合得到；该训练样本的样本标签为用于区分目标和非目标的2通道掩膜；
采用所述训练样本、所述样本标签和目标损失函数，对所述目标语义分割模型进行训练，得到训练后的目标语义分割模型；所述目标损失函数为预设的标记损失函数和交叉熵之和；所述标记损失函数的表达式为：
所述LabelLoss表示标记损失函数值，L表示目标...

【专利技术属性】
技术研发人员：王晓茹，徐培容，曲昭伟，张珩，谷嘉航，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11