图像处理方法、电子设备和存储介质技术

本申请提供了一种图像处理方法、电子设备和存储介质，该方法包括：根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集；将所述三元图像集和目标训练数据集输入预训练的第二图像处理模型进行训练，得到第三图像处理模型；基于所述第三图像处理模型对所述待处理图像进行分析，得到所述待处理图像的前景蒙版；对所述前景蒙版进行目标背景填充，得到目标图像。能够提高三元图像的获取效率以及图像处理模型的使用灵活性。

【技术实现步骤摘要】
图像处理方法、电子设备和存储介质
本申请涉及图像处理
，尤其涉及一种图像处理方法、电子设备和存储介质。
技术介绍
目前，通常利用大数据模型进行图像处理，例如对图像的抠图处理等，但是由于大数据模型的训练过程需要大量的原始图像和原始图像的三元图。而现有获取原始图像三元图的方法主要由人工进行标注，由于人工标注效率低下且无法保证准确性，使得大数据模型的训练样本获取难度较大。且由于不同的图像其对应的三元图无法统一获取，导致针对不同的应用场景，需要训练不同的大数据模型。因此，现有利用大数据模型进行图像处理时存在训练样本获取难度较大且无法灵活应用的问题。
技术实现思路
本申请提供了一种图像处理方法、电子设备和存储介质，旨在降低用于图像处理模型的训练样本获取难度，并能够在不同的场景下对图像处理模型进行灵活的应用。第一方面，本申请实施例提供了一种图像处理方法，包括：根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集；将所述三元图像集和目标训练数据集输入预训练的第二图像处理模型进行训练，得到第三图像处理模型；基于所述第三图像处理模型对所述待处理图像进行分析，得到所述待处理图像的前景蒙版；对所述前景蒙版进行目标背景填充，得到目标图像。第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上述第一方面所述的图像处理方法。<br>第三方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述第一方面所述的图像处理方法。本申请实施例提供了一种图像处理方法、电子设备和存储介质，首先，通过预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到待处理图像的三元图像集，避免了人工参与，有效提高三元图像获取的效率及准确性；其次，根据获取的三元图像集和目标数据集对预训练的第二图像处理模型进行再训练，得到能够满足当前应用场景下的第三图像处理模型，进而通过第三图像处理模型对待处理图像进行分析，可以得到待处理图像的前景蒙版，实现对前景蒙版进行目标背景填充，得到目标图像。在提高了三元图像集获取效率及准确性的同时，实现了图像处理模型在不同场景下的应用灵活性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的图像处理方法的实现流程示意图；图2是本申请实施例提供的第一图像处理模型的训练过程示意图；图3是第一图像处理模型的训练过程的具体实现流程图；图4是预设图像分割模型的结构示意图；图5(a)是图1中S101的一具体实现流程图；图5(b)是图1中S101的另一具体实现流程图；图6是本申请实施例提供的图像处理方法的应用场景示意图；图7是本申请实施例提供的电子设备的示意性框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。在说明本申请实施例提供的图像处理方法之前，首先对现有的图像处理方法进行示例性的说明。目前，常见的图像处理方法有全自动抠图和半自动抠图两种图像处理方法。其中，全自动抠图指的是将一张图像放入AI抠图应用中，通过AI技术自动完成抠图。半自动抠图指的是需要人工进行简单的标点划线，选择图片上需要抠出来的部分，反选图片上需要抹去的部分，提示AI抠图应用抠哪里。当然，在一些应用中，还可以将两者结合，AI抠图应用自动抠出它识别为主角的物体，然后再提示人工进行标注出需要抠出来的部分和需要抹去的部分，帮助AI抠图应用进行纠错。目前，在利用AI技术进行自动抠图的过程中，无论是全自动的抠图方法还是半自动的抠图方法，都需要AI模型的支持，且抠图结果的准确性与AI模型的训练样本选择具有直接的关联关系。AI模型在训练过程中，样本数量充足且样本包含的图像信息丰富，则对应训练完成的AI模型的识别准确度越高。现有的AI抠图模型需要的训练样本包括应用场景下的原始图片、原始图片对应的三分图Trimap和前景图像AlphaMatte。预测阶段也需要提供Trimap进行监督，即进行预测时需要用户提供标注的Trimap，或者用户进行干预，指定明确的背景和前景区域，然后由AI抠图模型进行推理得出最终的AlphaMatte。然而，由于现有的训练数据集获取过程需要人工依赖于图像标注软件，例如PS软件进行三元图和前景图像的标注，使得训练数据集的获取过程需要消耗大量的人力资源，且难以获得足够数量的满足不同应用场景下的训练样本，导致现有的AI抠图模型无法灵活地适用不同的场景，例如，适用于人像的AI抠图模型可能无法准确地对其它动物进行抠图，或者对同一图像中当背景色与前景色的颜色相同时，也存在无法准确进行抠图的问题等。有鉴于此，本申请实施例提供了一种图像处理方法，通过预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到待处理图像的三元图像集，避免了人工参与，有效提高三元图像获取的效率及准确性；其次，根据获取的三元图像集和目标数据集对预训练的第二图像处理模型进行再训练，得到能够满足当前应用场景下的第三图像处理模型，进而通过第三图像处理模型对待处理图像进行分析，可以得到待处理图像的前景蒙版，实现对前景蒙版进行目标背景填充，得到目标图像。在提高了三元图像集获取效率及准确性的同时，实现了图像处理模型在不同场景下的应用灵活性。请参阅图1所示，图1是本申请实施例提供的图像处理方法的实现流程示意图。本实施例提供的图像处理方法可由终端设备或服务器的硬件或者软件实现，所述终端设备可以是智能手机、平板电脑、笔记本电脑和台式电脑等电子设备，所述服务器可以是独立服务器，也可以是服务器集群。详述如下：S101，根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集。其中，第一图像处理模型为基于目标训练数据集对预设图像分割模型进行训练得到，所述目标训练数据集包括不同预设尺寸的待处理图像。示例性地，预设图像分割模型为基于预设图像数据集训本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集；/n将所述三元图像集和目标训练数据集输入预训练的第二图像处理模型进行训练，得到第三图像处理模型；/n基于所述第三图像处理模型对所述待处理图像进行分析，得到所述待处理图像的前景蒙版；/n对所述前景蒙版进行目标背景填充，得到目标图像。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集；
将所述三元图像集和目标训练数据集输入预训练的第二图像处理模型进行训练，得到第三图像处理模型；
基于所述第三图像处理模型对所述待处理图像进行分析，得到所述待处理图像的前景蒙版；
对所述前景蒙版进行目标背景填充，得到目标图像。


2.根据权利要求1所述的图像处理方法，其特征在于，所述第一图像处理模型的训练过程，包括：
基于所述目标训练数据集的分布规律，对预设图像分割模型进行训练，得到所述第一图像处理模型。


3.根据权利要求2所述的图像处理方法，其特征在于，所述基于所述目标训练数据集的分布规律，对预设图像分割模型进行训练，得到所述第一图像处理模型，包括：
根据所述目标训练数据集的分布规律，确定所述第一图像处理模型的损失函数；
将不同预设尺寸的所述待处理图像输入所述预设图像分割模型，基于所述预设图像分割模型的输出结果，确定所述损失函数的值；
基于所述损失函数的值调整所述预设图像分割模型的参数，得到所述第一图像处理模型。


4.根据权利要求3所述的图像处理方法，其特征在于，所述将不同预设尺寸的所述待处理图像输入所述预设图像分割模型，基于所述预设图像分割模型的输出结果，确定所述损失函数的值，包括：
将不同预设尺寸的所述待处理图像输入所述预设图像分割模型进行模型训练，得到第一输出结果；
基于注意力机制对所述第一输出结果进行学习，得到第二输出结果；
根据所述第一输出结果和所述第二输出结果，确定所述损失函数的值。


5.根据权利要求1至4任一项所述的图像处理方法，其特征在于，所述根据预训练的第一图像处理模型对不同预设尺寸的待处理图像进行分析，得到所述待处理图像的三元图像集，包括：
将所述待处理图像输入所述第一图像处理模型进行像素点分类标注，得到所述待处理图像中每个像素点的预测分值；
根据每个像素点的所述...

【专利技术属性】
技术研发人员：陈济楠，豆泽阳，蒋阳，
申请(专利权)人：共达地创新技术深圳有限公司，
类型：发明
国别省市：广东;44