训练视频分割模型的方法、视频处理方法及电子设备技术

技术编号:40541611 阅读:15 留言:0更新日期:2024-03-05 18:57
本申请实施例涉及视频处理技术领域,公开了一种训练视频分割模型的方法、视频处理方法及电子设备,通过对多个图像分别进行非形变增强处理,将得到的增强图像和原图像构成第一图像组;对多个视频进行遍历,将当前视频帧和前一视频帧构成第二图像组。采用若干个第一图像组和若干个第二图像组作为训练集,对图像分割网络进行迭代训练直至收敛,得到视频分割模型。在此实施例中,对图像进行非形变增强处理以模仿变化微小的连续视频帧,视频数据作为应用场景数据,从而,图像分割网络能够学习第一图像组中连续图像的特征和第二图像组中连续视频帧的特征,使得训练得到的视频分割模型具有较好的准确率及稳定性。

【技术实现步骤摘要】

本申请实施例涉及图像处理,尤其涉及一种训练视频分割模型的方法、视频处理方法及电子设备


技术介绍

1、图像分割技术是计算机视觉领域一个基本的技术方向,该技术的发展为很多应用提供了便利,例如人像美颜、背景替换生成证件照等。图像分割技术在视频领域的应用更是为很多场景带去了便利,例如自动驾驶、视频会议中模糊背景以保护隐私等等。

2、视频物体分割也可以被称为vos(video object segmentation),需要逐帧从视频中提取视频帧并对帧内物体进行分割。本申请专利技术人所知晓的一些视频分割方法,主要采用图像分割模型对视频的逐帧画面进行图像分割。然而,这些图像分割模型应用于视频分割时,存在分割结果不够稳定,容易带来视觉上边界抖动等问题,例如视频中人像静止时,人像静止的连续帧的分割结果不一致,发生边界抖动。


技术实现思路

1、有鉴于此,本申请一些实施例提供了一种训练视频分割模型的方法、视频处理方法及电子设备,采用该方法训练得到视频分割模型具有良好的分割效果,视频帧间分割相对稳定

2、本文档来自技高网...

【技术保护点】

1.一种训练视频分割模型的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述采用若干个所述第一图像组和若干个所述第二图像组,对图像分割网络进行迭代训练直至收敛,得到所述视频分割模型,包括:

3.根据权利要求2所述的方法,其特征在于,所述损失函数包括分割损失函数和一致性损失函数,所述分割损失函数用于反映图像被分割前后之间的差异,所述一致性损失函数包括图像一致性损失函数和视频一致性损失函数;

4.根据权利要求3所述的方法,其特征在于,所述图像一致性损失函数为散度损失函数。

5.根据权利要求3所述的方法,其特征在于,所述视频...

【技术特征摘要】

1.一种训练视频分割模型的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述采用若干个所述第一图像组和若干个所述第二图像组,对图像分割网络进行迭代训练直至收敛,得到所述视频分割模型,包括:

3.根据权利要求2所述的方法,其特征在于,所述损失函数包括分割损失函数和一致性损失函数,所述分割损失函数用于反映图像被分割前后之间的差异,所述一致性损失函数包括图像一致性损失函数和视频一致性损失函数;

4.根据权利要求3所述的方法,其特征在于,所述图像一致性损失函数为散度损失函数。

5.根据权利要求3所述的方法,其特征在于,所述视频一致性损失函数...

【专利技术属性】
技术研发人员:王晶
申请(专利权)人:深圳数联康健智能科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1