本申请公开了一种分割网络的训练方法、目标分割方法、电子设备及计算机可读存储介质。该训练方法包括：利用分割网络对包含至少一个目标的训练图像处理，得到主要目标的第一关节点拓扑图，主要目标是至少一个目标中的目标；利用分割网络对第一关节点拓扑图和公共特征图融合，得到融合特征图；利用分割网络对融合特征图进行目标分割，得到第一目标分割结果；基于第一目标分割结果获取第一损失；至少基于第一损失调整分割网络的参数。通过上述方式，能够提高后续分割网络对图像中主要目标的分割准确度。割准确度。割准确度。
【技术实现步骤摘要】
分割网络的训练及目标分割方法、相关设备
[0001]本申请涉及图像处理领域，特别是涉及一种分割网络的训练方法、目标分割方法、电子设备及计算机可读存储介质。
技术介绍
[0002]目标分割技术可应用于行为分析，步态识别等场景。目标分割技术用于分割出单张图像或视频中的目标区域和背景区域。现有的目标分割方法为，提取图像的特征，对图像的特征进行目标分割，得到目标所在的区域。在图像中仅存在单个目标的情况下，现有的目标分割方法的分割效果良好。但是在图像中存在多个目标的情况下，图像中可能会出现目标被遮挡的情况，进而图像中主要目标可能被遮挡，影响对主要目标的分割效果，进而影响后续的行为分析，步态识别等进程。
技术实现思路
[0003]本申请提供一种分割网络的训练方法、目标分割方法、电子设备及计算机可读存储介质，能够提高对图像中主要目标分割的效果。
[0004]为解决上述技术问题，本申请采用的一个技术方案是：提供一种分割网络的训练方法。该训练方法包括：利用分割网络对包含至少一个目标的训练图像处理，得到主要目标的第一关节点拓扑图，主要目标是至少一个目标中的目标；利用分割网络对第一关节点拓扑图和公共特征图融合，得到融合特征图；利用分割网络对融合特征图进行目标分割，得到第一目标分割结果；基于第一目标分割结果获取第一损失；至少基于第一损失调整分割网络的参数。
[0005]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种目标分割方法，该方法包括：获取目标图像；将目标图像输入分割网络，得到目标图像中主要目标的分割结果；其中，目标分割网络是基于前述训练方法训练得到的。
[0006]为解决上述技术问题，本申请采用的再一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。
[0007]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。
[0008]通过上述方式，本申请分割网络没有直接对公共特征图进行目标分割，而是将其与主要目标的第一关节点特征图融合得到融合特征图之后，再对融合特征图进行目标分割。由于融合过程增强了公共特征图中的主要目标(关节点特征图)对应的部分的语义信息，因此，最终得到的关于主要目标的第一目标分割结果更加准确。进而，基于本申请训练方法训练得到的分割网络，在后续使用过程中，即使目标图像中有多个目标且存在被遮挡的情况，分割网络也能够准确地分割出主要目标。
附图说明
[0009]图1是本申请分割网络的训练方法实施例一的流程示意图；
[0010]图2是第一分割结果的示意图；
[0011]图3是本申请分割网络的训练方法实施例二的流程示意图；
[0012]图4是本申请第一关键点热力图的示意图；
[0013]图5是其中一种第二关节点拓扑图的示意图；
[0014]图6是另外一种第二关节点拓扑图的示意图；
[0015]图7是图3中是113的具体流程示意图；
[0016]图8是第一关节点拓扑图的示意图；
[0017]图9是本申请分割网络一结构示意图；
[0018]图10是本申请分割网络的训练方法实施例三的流程示意图；
[0019]图11是第二目标分割结果的示意图；
[0020]图12是本申请分割网络另一结构示意图；
[0021]图13是本申请分割网络的训练方法实施例四的流程示意图；
[0022]图14是本申请分割网络又一结构示意图；
[0023]图15是本申请分割网络的训练方法实施例五的流程示意图；
[0024]图16是图15中S41的具体流程示意图；
[0025]图17是本申请分割网络再一结构示意图；
[0026]图18是本申请目标分割方法一实施例的流程示意图；
[0027]图19是本申请电子设备一实施例的结构示意图；
[0028]图20是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0029]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，所描述的实施例仅是本申请的一部分实施例，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。
[0030]本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0031]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。
[0032]图1是本申请分割网络的训练方法实施例一的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例可以包括：
[0033]S11：利用分割网络对包含至少一个目标的训练图像处理，得到主要目标的第一关节点拓扑图。
[0034]主要目标是至少一个目标中的目标。并且，主要目标为最终需要分割网络从训练图像分割出来的目标。主要目标的第一关节点拓扑图是由主要目标在训练图像中的关键点组成的拓扑图。本文提及的目标的关键点可以但不局限于包括目标的头、脖子、左右手肘、左右肩膀、左右臀、左右膝盖、左右脚踝、左右脚掌等部位的关键点。
[0035]训练图像的数量有多张。本文涉及的目标可以为活体，如人、各种动物(可以但不局限于包括猪、牛、羊、鸡、猫或狗等)，后文仅以人为目标的示例进行说明。
[0036]送入分割网络的图像的尺寸是固定的。因此，作为一种实施例，在将训练图像送入分割网络之前，可以对训练图像进行缩放，以统一尺度。或者，为了加快训练，还可以在将训练图像送入分割网络之前，对训练图像进行归一化处理。
[0037]S12：利用分割网络对第一关节点拓扑图和训练图像的公共特征图融合，得到融合特征图。
[0038]对第一关节点拓扑图和公共特征图融合，可以增强公共特征图中与第一关节点拓扑图对应的部分的语义信息。
[0039]S13：利用分割网络对融合特征图进行目标分割，得到第一目标分割结果。
[0040]第一分割结果为训练图像中主要目标对应的区域。图2是第一分割结果的示意图。
[0041]S14：基于第一目标分割结果获取第一损失。
[0042]第一损失可以但不本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种分割网络的训练方法，其特征在于，包括：利用分割网络对包含至少一个目标的训练图像处理，得到主要目标的第一关节点拓扑图，所述主要目标是所述至少一个目标中的目标；利用所述分割网络对所述第一关节点拓扑图和所述训练图像的公共特征图融合，得到融合特征图；利用所述分割网络对所述融合特征图进行目标分割，得到第一目标分割结果；基于所述第一目标分割结果获取第一损失；至少基于所述第一损失调整所述分割网络的参数。2.根据权利要求1所述的方法，其特征在于，所述利用分割网络对包含至少一个目标的训练图像处理得到主要目标的第一关节点拓扑图，包括：利用分割网络对所述训练图像进行特征提取得到所述公共特征图；利用所述分割网络对所述公共特征图进行关键点提取得到第一关键点热力图，并基于所述第一关键点热力图生成所述至少一个目标的第二关节点拓扑图；利用所述分割网络对所述第二关节点拓扑图进行处理，得到所述第一关节点拓扑图。3.根据权利要求2所述的方法，其特征在于，所述利用所述分割网络对所述第二关节点拓扑图进行处理，得到所述第一关节点拓扑图，包括：利用所述分割网络基于所述第二关节点拓扑图中同一目标的关键点的占比和分布情况，从所述第二关节点拓扑图中分离出所述第一关节点拓扑图。利用所述分割网络对所述第一关节点拓扑图进行特征提取，得到第一特征提取结果，将所述第一特征提取结果作为新的所述第一关节点拓扑图。4.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：利用所述分割网络对所述融合特征图进行关键点提取得到第二关键点热力图，并基于所述第二关键点热力图生成所述主要目标的第三关节点拓扑图。5.根据权利要求4所述的方法，其特征在于，所述方法进一步包括：基于所述第三关节点拓扑图构建第二损失。所述至少基于所述第一损失调整所述分割网络的参数，包括：基于所述第一损失和所述第二损失调整所述分割网络的参数。6.根据权利要求4所述的方法，其特征在于，所述方法进一步包括：基于所述第三关节点拓扑图与所述第一目标分割结果之间的关系，构建第三损失；所述至少基于所述第一损失调整所述分割网络的参数，包括：基于所述第一损失和所述第三损失调整所述分割网络的参数。7.根据权利要求6所述的方法，其特征在于，所述基于所述第三关节点拓扑图与所述第一目标分割结果之间的关系，构建第三损失，包括：确定所述第三关节点拓扑图中的每个关键点在所述第一目标分割结果中对应的邻域；基于每个所述关键点的邻域内的像素点的分布情况，构建第三损失。8.根据权利要求7所述的方...
【专利技术属性】
技术研发人员：王亚杰，魏乃科，潘华东，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。