图像分割网络的训练方法及装置、图像分割方法及装置制造方法及图纸

本公开关于一种图像分割网络的训练方法及装置、图像分割方法及装置，该训练方法包括：获取多个样本图像，提取多个样本图像的多个特征图像，将特征图像输入关键点检测网络，以获取人体的目标肩膀区域，将特征图像输入人体分割网络，输出人体预测分割图，获取人体预测分割图与人体标准分割图之间的像素误差，根据目标肩膀区域，对像素误差进行加权，以调整人体分割网络的第一损失函数，基于调整后的第一损失函数和关键点检测网络的第二损失函数，得到图像处理模型调整后的损失函数，根据调整后的损失函数，对图像处理模型进行训练，得到目标图像分割网络。本公开基于肩膀区域调整人体分割网络的损失函数，以提升图像分割的准确率。以提升图像分割的准确率。以提升图像分割的准确率。

【技术实现步骤摘要】
图像分割网络的训练方法及装置、图像分割方法及装置


[0001]本公开涉及图像处理应用
，尤其涉及一种图像分割网络的训练方法及装置、图像分割方法及装置。

技术介绍

[0002]随着移动终端技术以及图像处理(Image Processing)技术的迅速发展，各种具有对人像分割功能的应用程序(Application，简称APP)应运而生，用户对于图像背景替换、照片合成、增加人体特效等功能的要求也日益提高。
[0003]现有技术中，为了实现人像分割功能，通常采用基于语义分割网络，隐式地将“人”的信息编码进神经网络的特征中的方式进行相关图像处理模型的训练，进而利用训练好的图像处理模型对人像进行分割。然而，现有基于语义分割网络的图像处理模型的训练过程中，极易发生误将背景信息误分割为人体，或者误将人体部分分割为背景信息的情况，导致图像处理模型无法准确地将人像与背景进行分割。因此，如何通过确保图像处理模型的训练过程中的有效性和可靠性已成为亟待解决的问题。

技术实现思路

[0004]本公开提供一种图像分割网络的训练方法及装置、图像分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割网络的训练方法，其特征在于，包括：获取包括人体的多个样本图像，将所述多个样本图像输入图像处理模型的特征提取网络，得到所述多个样本图像的多个特征图像；将每个所述特征图像输入所述图像处理模型中的关键点检测网络，以输出所述人体的肩膀关键点，并根据所述肩膀关键点得到目标肩膀区域；将每个所述特征图像输入所述图像处理模型中的人体分割网络，以输出人体预测分割图，并获取所述人体预测分割图与所述样本图像对应的人体标准分割图之间每个像素点的像素误差；根据所述目标肩膀区域，对所述像素误差进行加权处理，以调整所述人体分割网络的第一损失函数；基于调整后的所述第一损失函数和所述关键点检测网络的第二损失函数，得到所述图像处理模型调整后的损失函数；根据所述调整后的损失函数，对所述图像处理模型进行训练，得到目标图像分割网络。2.根据权利要求1所述的图像分割网络的训练方法，其特征在于，所述根据所述目标肩膀区域，对所述像素误差进行加权处理，以调整所述人体分割网络的所述损失函数，得到调整后的损失函数，包括：获取未处于所述目标肩膀区域内的每个像素点对应的像素误差，作为第一像素误差；获取处于所述目标肩膀区域内的每个像素点对应的像素误差，作为第二像素误差；根据所述目标肩膀区域内的每个像素点对应的加权权重对所述第二像素误差进行加权；根据所述第一像素误差和加权后的所述第二像素误差，调整所述人体分割网络所述第一损失函数。3.根据权利要求2所述的图像分割网络的训练方法，其特征在于，所述基于调整后的所述第一损失函数和所述关键点检测网络的第二损失函数，得到所述图像处理模型调整后的损失函数，包括：基于所述关键点检测网络的训练误差，获取所述关键点检测网络的第二损失函数；对所述第一损失函数和所述第二损失函数进行加权求和，以得到所述图像处理模型调整后的损失函数。4.根据权利要求1所述的图像分割网络的训练方法，其特征在于，所述根据所述肩膀关键点得到目标肩膀区域，包括：根据所述肩膀关键点得到肩膀区域，对所述肩膀区域做膨胀处理，得到目标肩膀区域。5.一种图像分割方法，其特征在于，包括：获取包括人体的原始图像；将所述原始图像的特征图像输入目标图像分...

【专利技术属性】
技术研发人员：王学博，赵松涛，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：