本申请公开一种图像处理方法及装置、电子设备和存储介质。图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；确定预设人像模板的预设人像区域与输出人像模板的输出人像区域的重合区域；根据重合区域确定输出人像区域和预设人像区域的整体相似度；根据整体相似度确定全局损失；根据全局损失对初始深度学习网络进行调整以得到调整深度学习网络。本申请的图像处理方法及装置、电子设备和存储介质中，由于调整深度学习网络是根据全局损失调整得到的，因此利用调整深度学习网络处理图像后得到的输出人像模板的输出人像区域更加准确，因此，不需要再额外采用其他的后处理优化算法，从而使得获取人像区域的计算量更小。区域的计算量更小。区域的计算量更小。
【技术实现步骤摘要】
图像处理方法、图像处理装置、电子设备和可读存储介质
[0001]本申请涉及图像处理
，特别涉及一种图像处理方法、图像处理装置、电子设备和计算机可读存储介质。
技术介绍
[0002]在相关技术中，通常采用人像分割算法或者软分割技术(alpha matting)来抠图获得人像区域，然而，通过这些算法获得的人像区域存在空洞和区域分割错误等问题，为了解决这些问题，又得额外增加形态学处理或者连通域处理等后处理优化算法，从而使得获取人像区域的计算量更大、获取速度更慢，并且提高了运行算法的电子设备的功耗。
技术实现思路
[0003]本申请的实施例提供了一种图像处理方法、图像处理装置、电子设备和计算机可读存储介质。
[0004]本申请实施方式的图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；获取所述输出人像模板的输出人像区域；确定预设人像模板的预设人像区域与所述输出人像区域的重合区域；根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度；根据所述整体相似度确定全局损失；根据所述全局损失对所述初始深度学习网络进行调整以得到调整深度学习网络。
[0005]本申请实施方式的图像处理装置包括第一处理模块、获取模块、第一确定模块、第二确定模块、第三确定模块和第二处理模块。所述第一处理模块用于利用初始深度学习网络处理训练人物图像以获得输出人像模板。所述获取模块用于获取所述输出人像模板的输出人像区域。所述第一确定模块用于确定预设人像模板的预设人像区域与所述输出人像区域的重合区域。所述第二确定模块用于根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度。所述第三确定模块用于根据所述整体相似度确定全局损失。所述第二处理模块用于根据所述全局损失对所述初始深度学习网络进行调整以得到调整深度学习网络。
[0006]本申请实施方式的电子设备包括壳体和处理器，所述处理器安装在所述壳体上。所述处理器用于：利用初始深度学习网络处理训练人物图像以获得输出人像模板；获取所述输出人像模板的输出人像区域；确定预设人像模板的预设人像区域与所述输出人像区域的重合区域；根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度；根据所述整体相似度确定全局损失；根据所述全局损失对所述初始深度学习网络进行调整以得到调整深度学习网络。
[0007]本申请实施方式的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现：利用初始深度学习网络处理训练人物图像以获得输出人像模板；获取所述输出人像模板的输出人像区域；确定预设人像模板的预设人像区域与所述输出人像区域的重合区域；根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相
似度；根据所述整体相似度确定全局损失；根据所述全局损失对所述初始深度学习网络进行调整以得到调整深度学习网络。
[0008]本申请实施方式的图像处理方法、图像处理装置、电子设备和计算机可读存储介质中，预设人像区域与输出人像区域的重合区域能够从整体、从全局的角度反应预设人像区域与输出人像区域的整体相似度，从而使得根据整体相似度确定的全局损失更加准确。由于调整深度学习网络是根据全局损失调整得到的，因此利用调整深度学习网络处理图像后得到的输出人像模板的输出人像区域更加准确，能够减少输出人像区域中存在的空洞、区域分割错误的问题，因此，不需要再额外采用其他的后处理优化算法，从而使得获取人像区域的计算量更小、获取速度更快。
[0009]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0010]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0011]图1是本申请某些实施方式的图像处理方法的流程示意图。
[0012]图2是本申请某些实施方式的图像处理装置的示意图。
[0013]图3是本申请某些实施方式的电子设备的示意图。
[0014]图4是本申请某些实施方式的图像处理方法的流程示意图。
[0015]图5是本申请某些实施方式的图像处理装置的第二确定模块的示意图。
[0016]图6是本申请某些实施方式的图像处理方法的流程示意图。
[0017]图7是本申请某些实施方式的图像处理装置的第二确定模块的示意图。
[0018]图8是本申请某些实施方式的图像处理方法的流程示意图。
[0019]图9是本申请某些实施方式的图像处理装置的第一处理模块的示意图。
[0020]图10是本申请某些实施方式的图像处理方法的场景示意图。
[0021]图11是本申请某些实施方式的图像处理方法的流程示意图。
[0022]图12是本申请某些实施方式的图像处理装置的第一处理模块的第三处理单元的示意图。
[0023]图13是本申请某些实施方式的深度学习网络的工作原理示意图。
[0024]图14和图15是本申请某些实施方式的图像处理方法的流程示意图。
[0025]图16是本申请某些实施方式的图像处理装置的示意图。
[0026]图17是本申请某些实施方式的图像处理方法的流程示意图。
[0027]图18是本申请某些实施方式的图像处理装置的示意图。
[0028]图19是本申请某些实施方式的图像处理方法的流程示意图。
[0029]图20是本申请某些实施方式的图像处理装置的示意图。
[0030]图21是本申请某些实施方式的图像处理方法的场景示意图。
[0031]图22是本申请某些实施方式的图像处理方法的人像分割效果示意图。
[0032]图23是本申请某些实施方式的计算机可读存储介质与电子设备的连接示意图。
具体实施方式
[0033]下面详细描述本申请的实施例，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，旨在用于解释本申请，而不能理解为对本申请的限制。
[0034]请参阅图1，本申请实施方式的图像处理方法包括：
[0035]012：利用初始深度学习网络处理训练人物图像以获得输出人像模板；
[0036]014：获取输出人像模板的输出人像区域；
[0037]016：确定预设人像模板的预设人像区域与输出人像区域的重合区域；
[0038]018：根据重合区域确定输出人像区域和预设人像区域的整体相似度；
[0039]022：根据整体相似度确定全局损失；
[0040]024：根据全局损失对初始深度学习网络进行调整以得到调整深度学习网络。
[0041]请参阅图2，本申请实施方式的图像处理装置100包括第一处理模块12、获取模块14、第一确定模块16、第二确定模块18、第三确定模块22和第二处理模块24。本申请实施方式的图像处理方法可以由本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述图像处理方法包括：利用初始深度学习网络处理训练人物图像以获得输出人像模板；获取所述输出人像模板的输出人像区域；确定预设人像模板的预设人像区域与所述输出人像区域的重合区域；根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度；根据所述整体相似度确定全局损失；根据所述全局损失对所述初始深度学习网络进行调整以得到调整深度学习网络。2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度，包括：确定所述重合区域的像素数量以作为重合像素数量；合并所述预设人像区域与所述输出人像区域以得到合并区域；确定所述合并区域的像素数量以作为合并像素数量；根据所述重合像素数量和所述合并像素数量的比值确定所述整体相似度。3.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述重合区域确定所述输出人像区域和所述预设人像区域的整体相似度，包括：确定所述重合区域的像素数量以作为重合像素数量；确定所述输出人像区域的像素数量以作为输出像素数量；确定所述预设人像区域的像素数量以作为预设像素数量；确定所述重合像素数量与所述输出像素数量的比值以作为精确率；确定所述重合像素数量与所述预设像素数量的比值以作为召回率；根据所述精确率和所述召回率确定所述整体相似度。4.根据权利要求1所述的图像处理方法，其特征在于，所述利用初始深度学习网络处理训练人物图像以获得输出人像模板，包括：对所述训练人物图像进行缩放处理以得到预设尺寸的缩放人物图像；对所述缩放人物图像进行归一化处理以得到归一化人物图像；利用所述初始深度学习网络处理所述归一化人物图像以获得所述输出人像模板。5.根据权利要求4所述的图像处理方法，其特征在于，所述利用所述初始深度学习网络处理所述归一化人物图像以获得所述输出人像模板，包括：尺寸调整步骤，处理所述归一化人物图像以得到调整图像；特征提取步骤，提取所述调整图像的特征图；以预设提取次数循环执行所述尺寸调整步骤和所述特征提取步骤，以得到多个不同尺寸的所述调整图像的特征图，其中，多个不同尺寸包括第一尺寸和第二尺寸，所述第一尺寸小于所述第二尺寸；第一上采样步骤，对第一尺寸的所述调整图像的特征图进行上采样处理以得到第一上采样特征图；第一融合步骤，将与所述第一上采样特征图尺寸相同的所述调整图像的特征图融合到所述第一上采样特征图中以得到融合特征图；第二上采样步骤，对所述融合特征图进行上采样处理以得到第二上采样特征图；第二融合步骤，将于所述第二上采样特征图尺寸相同的所述调整图像...
【专利技术属性】
技术研发人员：贾玉虎，
申请(专利权)人：OPPO广东移动通信有限公司，
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。