自动抠图模型建立方法及系统技术方案

本发明专利技术公开了一种自动抠图模型建立方法、介质、设备及系统，其中方法包括以下步骤：获取历史图片，并根据所述历史图片生成训练数据集；根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型。该自动抠图模型建立方法所建立的抠图模型能够根据用户输入的原始图片进行前景部分的自动抠取，降低用户抠图所需编辑时间，降低抠图难度；同时，保证抠图结果的稳定性。保证抠图结果的稳定性。保证抠图结果的稳定性。

【技术实现步骤摘要】
自动抠图模型建立方法及系统
[0001]本申请是申请日为2020年6月30日、名称为“自动抠图方法及系统”，申请号为“2020106111751”的分案申请。


[0002]本专利技术涉及图像处理
，特别涉及一种自动抠图模型建立方法、一种计算机可读存储介质、一种计算机设备以及一种自动抠图模型建立系统。

技术介绍

[0003]抠图(图像去背景)是指准确提取静止图片或者视频图片序列中的前景目标，它是许多图像编辑中的关键技术。
[0004]相关技术中，在对静止图片或者视频图片进行抠图处理的过程中，多采用人工对静止图片或者视频图片中的前景部分进行抠取，而这一过程将耗费用户大量的编辑时间，并且操作门栏较高。同时，由于人为的不可确定性，将导致抠图结果不稳定，可能导致最终抠图结果不够精细。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种自动抠图模型建立方法，该自动抠图模型建立方法所建立的抠图模型能够根据用户输入的原始图片进行前景部分的自动抠取，降低用户抠图所需编辑时间，降低抠图难度；同时，保证抠图结果的稳定性。
[0006]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0007]本专利技术的第三个目的在于提出一种计算机设备。
[0008]本专利技术的第四个目的在于提出一种自动抠图模型建立系统。
[0009]为达到上述目的，本专利技术第一方面实施例提出了一种自动抠图模型建立方法，包括以下步骤：获取历史图片，并根据所述历史图片生成训练数据集；根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型。
[0010]根据本专利技术实施例的自动抠图方法，首先，获取历史图片，并根据所述历史图片生成训练数据集；接着，根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；然后，根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型。接着，获取待抠图图片，并将所述待抠图图片输入到所述分割模型，以通过所述分割模型生成所述待抠图图片对应的三元组图片；然后，将所述待抠图图片和该待抠图图片对应的三元组图片输入到所述抠图模型，以通过所述抠图模型生成该待抠图图片对应的图形蒙版，以及根据所述图形蒙版对所述待抠图图片进行自动抠图；从而实现根据用户输入的原始图片进
行前景部分的自动抠取，降低用户抠图所需编辑时间，降低抠图难度；同时，保证抠图结果的稳定性。
[0011]另外，根据本专利技术上述实施例提出的自动抠图模型建立方法还可以具有如下附加的技术特征：
[0012]可选地，所述根据所述训练数据集进行分割模型的训练的步骤包括：
[0013]将初始学习率设置为0.001，学习率按照多项式递减；训练周期为X，损失函数采用交叉熵；网络权重通过反向传播不断更新梯度信息，以完成分割模型的训练。
[0014]可选地，所述根据所述训练数据集进行分割模型的训练的步骤，进一步包括：
[0015]在每个迭代过程中，将每个像素按照损失函数排序，排序靠前，则认为样本误差较大，需要加大权重进行重点学习；进而，设置误差区间，使得损失函数只计算误差区间内的样本，从而提高分割模型的训练效率。
[0016]可选地，所述根据所述训练数据集进行分割模型的训练的步骤，进一步包括：
[0017]根据以下公式对训练数据集进行扩充：I＝alpha*Fg+(1
‑
alpha)*Bg，其中，Fg是训练数据集的原始RGB图片，alpha是对应的蒙版，Bg是背景数据集候选图片，I是合成的新图片
[0018]可选地，通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片的步骤包括：
[0019]根据所述原始图片生成该原始图片对应的多尺度特征，并对所述多尺度特征进行融合，以生成该原始图片对应的特征层；
[0020]根据所述原始图片和该原始图片对应的特征层进行细粒度分割，以生成该原始图片对应的三元组图片。
[0021]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有自动抠图程序，该自动抠图程序被处理器执行时实现如上述的自动抠图模型建立方法。
[0022]根据本专利技术实施例的计算机可读存储介质，通过存储自动抠图程序，以使得处理器在执行该自动抠图模型建立程序时，实现如上述的自动抠图模型建立方法，从而实现根据用户输入的原始图片进行前景部分的自动抠取，降低用户抠图所需编辑时间，降低抠图难度；同时，保证抠图结果的稳定性。
[0023]为达到上述目的，本专利技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的自动抠图模型建立方法。
[0024]为达到上述目的，本专利技术第四方面实施例提出了一种自动抠图模型建立系统，包括：获取模块，所述获取模块用于获取历史图片，并根据所述历史图片生成训练数据集；第一训练模块，所述第一训练模块用于根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；第二训练模块，所述第二训练模块用于根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型。
[0025]该自动抠图模型能够根据用户输入的原始图片进行前景部分的自动抠取，降低用户抠图所需编辑时间，降低抠图难度；同时，保证抠图结果的稳定性
附图说明
[0026]图1为根据本专利技术实施例的自动抠图方法的流程示意图；
[0027]图2为根据本专利技术实施例的自动抠图系统的方框示意图；
[0028]图3为根据本专利技术另一实施例的自动抠图系统的方框示意图。
具体实施方式
[0029]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0030]相关技术中，在对静止图片或者视频图片进行抠图时，需要浪费用户大量的编辑时间，并且操作门栏高，同时，抠图结果不稳定；根据本专利技术实施例的自动抠图方法，首先，获取历史图片，并根据所述历史图片生成训练数据集；接着，根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；然后，根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型；接着，获取待抠图图片，并将所述待抠图图片输入到所述分割模型，以通过所述分割模型生成所述待抠图图片对应的三元组图片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动抠图模型建立方法，其特征在于，包括以下步骤：获取历史图片，并根据所述历史图片生成训练数据集；根据所述训练数据集进行分割模型的训练，以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片；根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练，以生成抠图模型。2.如权利要求1所述的自动抠图模型建立方法，其特征在于，所述根据所述训练数据集进行分割模型的训练的步骤包括：将初始学习率设置为0.001，学习率按照多项式递减；训练周期为X，损失函数采用交叉熵；网络权重通过反向传播不断更新梯度信息，以完成分割模型的训练。3.如权利要求2所述的自动抠图模型建立方法，其特征在于，所述根据所述训练数据集进行分割模型的训练的步骤，进一步包括：在每个迭代过程中，将每个像素按照损失函数排序，排序靠前，则认为样本误差较大，需要加大权重进行重点学习；进而，设置误差区间，使得损失函数只计算误差区间内的样本，从而提高分割模型的训练效率。4.如权利要求2所述的自动抠图模型建立方法，其特征在于，所述根据所述训练数据集进行分割模型的训练的步骤，进一步包括：根据以下公式对训练数据集进行扩充：I＝alpha*Fg+(1
‑
alpha)*Bg，其中，Fg是训练数据集的原始RGB图片，alpha是对应的蒙版，Bg是背景数据集候选图片，...

【专利技术属性】
技术研发人员：林汉权，林杰兴，
申请(专利权)人：稿定厦门科技有限公司，
类型：发明
国别省市：