【技术实现步骤摘要】
本说明书的多个实施例涉及计算机视觉，具体涉及一种模型训练方法及装置、分割方法及装置、电子设备、介质。
技术介绍
1、通用物体的主体抠图是目前各种图像相关应用重要且核心的前置环节，例如aigc应用。通过抠图可以对输入图像进行理解，判断哪一部分像素是前景区域，哪一部分是背景区域，进而分割得到主体部分，并输出给下游任务进行处理，以得到所需的图像，例如通过aigc应用对分割得到的主体部分进行新背景生成，以得到新的图像。
2、但是，目前的图像分割方法为单阶段的分割，分割精度不高，对于前景、背景颜色相近的区域，无法准确的分割，且泛化性能不够，不能针对通用物体均进行准确分割。因此，需要提供一种可针对通用物体进行准确分割的分割方法。
技术实现思路
1、本说明书实施例提供了一种模型训练方法及装置、分割方法及装置、电子设备、介质，其技术方案如下：
2、第一方面，本说明书实施例提供了一种模型训练方法，包括：
3、获取多组图像样本组，每组图像样本组均包括对应的原始图像、粗分割图...
【技术保护点】
1.一种模型训练方法，包括：
2.根据权利要求1所述的一种模型训练方法，所述确定合并图像的多个预测区域，包括：
3.根据权利要求1所述的一种模型训练方法，所述基于所选图像样本组中原始图像对应的GT值、粗分割图像对应的预测值，计算多个预测区域的权重，包括：
4.根据权利要求3所述的一种模型训练方法，所述基于该预测区域对应的平均绝对误差，计算得到该预测区域对应的权重，包括：
5.根据权利要求4所述的一种模型训练方法，所述预测区域对应的权重计算公式为：
6.根据权利要求1～5任一项所述的一种模型训练方法，所述基于所...
【技术特征摘要】
1.一种模型训练方法，包括：
2.根据权利要求1所述的一种模型训练方法，所述确定合并图像的多个预测区域，包括：
3.根据权利要求1所述的一种模型训练方法，所述基于所选图像样本组中原始图像对应的gt值、粗分割图像对应的预测值，计算多个预测区域的权重，包括：
4.根据权利要求3所述的一种模型训练方法，所述基于该预测区域对应的平均绝对误差，计算得到该预测区域对应的权重，包括：
5.根据权利要求4所述的一种模型训练方法，所述预测区域对应的权重计算公式为：
6.根据权利要求1～5任一项所述的一种模型训练方法，所述基于所选图像样本组中原始图像对应的gt值、细分割图像对应的预测值、多个预测区域的权重，计算损失值，包括：
7.一种分割方法，包括：
8.根据权利要求7所述的一种分割方法，所述将粗分割图像与原始图像进行合并，以得到合并图像之前，还包括：
9.根据权利要求8所述的一种分割方法，所述输出细分割图像之后，还包括：
10.根据权利要求8或9所述的一种分割方法，所述分割质量根据分割图像中中间态像素点的比例和/或中间态像素点的分布情况得到。
11.一种模型训练装置，包括：
12.根据权利要求11所述的一种模型训练装置，所述预测区域...
【专利技术属性】
技术研发人员：朱军，丁菁汀，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。