【技术实现步骤摘要】
图像处理方法及装置、交互控制方法及装置
本申请涉及图像处理领域,具体涉及一种基于人工智能的图像处理方法及装置、交互控制方法及装置。
技术介绍
随着人工智能技术的发展,基于人工智能的交互控制技术,例如游戏AI基于客户端实时的对战游戏画面对应的深度图像向客户端反馈对应的交互动作参数(控制角色往离角色最远的位置移动)以控制角色移动等,使得游戏参与者等用户可以解放双手,增强用户体验。深度图像的准确性直接影响到游戏AI反馈交互动作参数的准确性,当前深度神经网络是基于语义分割来实现根据对照画面确定深度图像的,而语义分割往往会根据颜色的差异,将一个包括多个颜色的物体切分为几个独立的部分,或者将颜色相同或者相近、且临近的不同物体划分一个物体,从而导致深度图像的准确性较差,进而导致游戏AI反馈交互动作参数的准确性较低。即当前图像处理技术至少存在由于神经网络仅关注色彩导致深度图像不准确的技术问题。申请内容本申请实施例提供一种图像处理方法及装置、交互控制方法及装置,以提高神经网络处理得到的深度图像的准确性。为解决上述技术问题,本申请实施例提供以下技术方案:本申请实施例提供一种图像处理方法,其包括:获取训练样本以及训练目标,所述训练样本包括样本图像以及所述样本图像对应的实际深度图像,所述训练目标包括样本图像内物体的边缘损失目标;构建神经网络;使用所述训练样本训练所述神经网络,直至所述神经网络处理所述样本图像得到的估计深度图像与所述实际深度图像满足所述训练目标,得到训练后 ...
【技术保护点】
1.一种图像处理方法,其特征在于,包括:/n获取训练样本以及训练目标,所述训练样本包括样本图像以及所述样本图像对应的实际深度图像,所述训练目标包括样本图像内物体边缘的损失目标;/n构建神经网络;/n使用所述训练样本训练所述神经网络,直至所述神经网络处理所述样本图像得到的估计深度图像与所述实际深度图像满足所述训练目标,得到训练后的神经网络;/n获取目标图像;/n使用所述训练后的神经网络处理所述目标图像,生成所述目标图像的深度图像。/n
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
获取训练样本以及训练目标,所述训练样本包括样本图像以及所述样本图像对应的实际深度图像,所述训练目标包括样本图像内物体边缘的损失目标;
构建神经网络;
使用所述训练样本训练所述神经网络,直至所述神经网络处理所述样本图像得到的估计深度图像与所述实际深度图像满足所述训练目标,得到训练后的神经网络;
获取目标图像;
使用所述训练后的神经网络处理所述目标图像,生成所述目标图像的深度图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述样本图像包括虚拟物体画面,所述获取训练样本的步骤,包括:
通过提供所述虚拟物体画面的应用的数据接口获取所述虚拟物体画面作为所述样本图像;
通过所述数据接口获取所述虚拟物体画面对应的深度图像作为所述样本图像的实际深度图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述样本图像包括真实物体画面,所述获取训练样本的步骤,包括:
通过摄像设备获取所述真实物体画面作为所述样本图像;
获取各真实物体与所述摄像设备之间的距离;
根据所述各真实物体与所述摄像设备之间的实际距离,生成所述样本图像的实际深度图像。
4.根据权利要求1所述的图像处理方法,其特征在于,所述训练所述神经网络的步骤,包括:
根据所述训练目标,构建目标函数;
使用所述初始神经网络得到所述样本图像的估计深度图像;
根据所述目标函数,得到所述估计深度图像与所述实际深度图像之间的目标函数值;
根据所述训练目标中的训练结束条件、以及所述目标函数值,对所述初始神经网络进行迭代优化,直至训练结束得到所述训练后的神经网络。
5.根据权利要求4所述的图像处理方法,其特征在于,所述训练目标包括图像像素损失目标和样本图像内物体的边缘损失目标,所述目标函数包括像素损失函数和边缘损失函数,所述根据所述目标函数,得到所述估计深度图像与所述实际深度图像之间的目标函数值的步骤,包括:
根据所述估计深度图像与所述实际深度图像的各像素的第一像素值,得到所述目标函数值的像素损失值;
根据所述估计深度图像对应的估计梯度图像和所述实际深度图像对应的实际梯度图像的各像素对应的第二像素值,得到所述目标函数值的边缘损失值。
6.根据权利要求5所述的图像处理方法,其特征在于,所述根据所述估计深度图像对应的估计梯度图像和所述实际深度图像对应的实际梯度图像的各像素的第二像素值,得到所述目标函数值的边缘损失值的步骤,包括:
根据梯度图像生成方式,得到所述估计深度图像对应的估计梯度图像和所述实际深度图像对应的实际梯度图像;
根据所述边缘损失函数,基于所述估计深度图像对应的估计梯度图像和所述实际深度图像对应的实际梯度图像的各像素的第二像素值,得到所述边缘损失值。
7.根据权利要求6所述的图像处理方法,其特征在于,所述梯度图像生成方式包括:
获取深度图像中各像素的第一像素值;
根据所述各像素的像素值,得到在预设方向上各像素与相邻像...
【专利技术属性】
技术研发人员:黄超,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。