【技术实现步骤摘要】
一种训练图像分割模型的方法、装置、设备及存储介质
[0001]本申请涉及计算机
，尤其涉及一种训练图像分割模型的方法、装置、设备及存储介质。
技术介绍
[0002]随着科技的不断发展，越来越多的设备可以提供图像分割服务，图像分割服务可以用于获取图像中包含目标的前景区域。
[0003]设备可以采用多轮迭代训练得到的目标图像分割模型对图像进行处理，获得目标在图像中的前景区域，以提供图像分割服务。
[0004]传统的训练图像分割模型的方法中，由于样本图像的图像场景较为单一，或样本目标的组成较为单一等，因此，训练图像分割模型的过程较为简单。例如，设备可以采用图像分割模型对样本图像进行特征提取，并基于提取出的图像特征，预测样本目标在样本图像中的前景区域，最后基于预测出的前景区域，与样本图像的标注区域之间的误差，对图像分割模型进行训练。
[0005]然而，在推广视频的封面图像中，为了充分的展示推广目标的性能或优点等信息，封面图像的图像场景可能较为复杂，推广目标也可能由较多的人或物组成。因此，通过传统的训练图...
【技术保护点】
【技术特征摘要】
1.一种训练图像分割模型的方法，其特征在于，包括：获得样本推广图像集合，其中，每个样本推广图像包含至少一个推广目标及其对应的分割标注；基于所述样本推广图像集合，对待训练的图像分割模型进行多轮迭代训练，获得已训练的目标图像分割模型，在每轮迭代训练过程中，至少执行以下操作：对获得的样本推广图像进行特征提取，获得初始全局特征；从所述初始全局特征中，提取边缘子特征和位置子特征，其中，所述边缘子特征表征所述至少一个推广目标的边缘界限，所述位置子特征表征所述至少一个推广目标与所述样本推广图像之间的相对位置；基于所述初始全局特征、所述边缘子特征和所述位置子特征的融合全局特征，获得所述至少一个推广目标在所述样本推广图像中的预测分割区域，并基于所述预测分割区域，与所述至少一个推广目标对应的分割标注之间的误差，调整所述待训练的图像分割模型的模型参数。2.根据权利要求1所述的方法，其特征在于，所述获得样本推广图像集合，包括：获取各个推广视频；分别将所述各个推广视频的封面图像，作为所述样本推广图像；基于预设的分割策略，对每个样本推广图像包含的至少一个推广目标进行分割，获得相应的分割标注；基于各个样本推广图像及其对应的分割标注，建立样本推广图像集合。3.根据权利要求1所述的方法，其特征在于，所述对获得的样本推广图像进行特征提取，获得初始全局特征，包括：对获得的样本推广图像进行多尺度特征提取，获得多个中间全局特征，其中，每个中间全局特征对应不同的分辨率，各分辨率中的最大分辨率与所述样本推广图像的分辨率相同；基于所述最大分辨率，对所述多个中间全局特征进行多尺度融合处理，获得所述初始全局特征，其中，所述初始全局特征对应的分辨率为所述最大分辨率。4.根据权利要求1～3任一项所述的方法，其特征在于，所述基于所述初始全局特征、所述边缘子特征和所述位置子特征的融合全局特征，获得所述至少一个推广目标在所述样本推广图像中的预测分割区域，包括：基于所述初始全局特征，对所述样本推广图像进行图像分割，获得针对所述至少一个推广目标的初始分割区域；从所述初始全局特征中，提取与所述初始分割区域相关联的区域局部特征；基于所述区域局部特征，对所述初始全局特征进行局部特征调整，获得整合全局特征；对所述整合全局特征、所述边缘子特征和所述位置子特征进行特征融合，获得所述融合全局特征，并基于所述融合全局特征，获得所述至少一个推广目标在所述样本推广图像中的预测分割区域。5.根据权利要求4所述的方法，其特征在于，所述基于所述区域局部特征，对所述初始全局特征进行局部特征调整，获得整合全局特征，包括：从所述初始全局特征中，分别提取所述样本推广图像包含的各个像素各自对应的像素
特征；分别确定各个像素特征，与所述区域局部特征之间的关联度；基于获得的各个关联度，对所述各个像素特征进行像素特征调整，获得所述整合全局特征。6.根据权利要求5所述的方法，其特征在于，所述基于获得的各个关联度，对所述各个像素特征进行像素特征调整，获得所述整合全局特征，包括：将所述各个关联度分别作为相应的像素特征的权重，分别对所述区域局部特征，与所述初始分割区域包含的各像素特征进行加权融合，获得相应的区域像素融合特征；对获得的各区域像素融合特征和所述各个像素特征进行特征融合，获得所述整合全局特征。7.根据权利要求1～3任一项所述的方法，其特征在于，每个分割标注包括区域标注、边缘标注...
【专利技术属性】
技术研发人员：蔡焕洽，龚丽君，李志鋒，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
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。