人像分割模型训练及应用方法、装置、设备、介质和产品制造方法及图纸

本申请公开了一种人像分割模型的训练及应用方法、装置、设备、介质和产品。该训练方法包括：对未标注的初始图像样本进行遮挡处理，生成未标注的预训练图像样本；基于初始图像样本和预训练图像样本，预训练第一人像分割模型，直至得到预训练好的第一人像分割模型，第一人像分割模型用于对预训练图像样本的遮挡区域进行预测；调整第一人像分割模型的输出层和第一人像分割模型的损失函数，构建第二人像分割模型的网络结构；基于已标注的图像样本和第二人像分割模型的网络结构，调整第二人像分割模型，直至得到调整好的第二人像分割模型。如此，在提升人像分割模型的准确性的同时，又降低了人像分割模型的成本。

【技术实现步骤摘要】

本申请涉及图像处理，尤其涉及一种人像分割模型训练及应用方法、装置、设备、介质和产品。

技术介绍

1、人像分割指的是一种将图像中的人像从背景中分离出来，并将人像与背景进行分离以实现背景虚化或背景替换等功能的技术。例如，视频通话中的背景虚化、视频会议中虚拟背景等都采用了人像分割技术。

2、人像分割技术中包括人像分割模型的设计和训练，目前，人像分割模型训练是数据驱动的方式，即通过大量的包含人像的图像数据的标注数据对人像分割模型进行训练，从而提升人像分割模型的准确性，但是，采用上述方式，有标签的数据有限，标注图像又会造成大量的人力消耗，从而降低了人像分割模型的准确性，提升了人像分割模型的成本。

技术实现思路

1、有鉴于此，本申请实施例提供了一种人像分割模型训练及应用方法、装置、设备、介质和产品，旨在提升人像分割模型的准确性的同时，降低人像分割模型的成本。

2、本申请实施例的技术方案是这样实现的：

3、第一方面，本申请实施例提供了一种人像分割模型的训练方法，所述训练方法包括：

本文档来自技高网...

【技术保护点】

1.一种人像分割模型的训练方法，其特征在于，所述训练方法包括：

2.根据权利要求1所述的训练方法，其特征在于，所述初始图像样本包括：初始图像和初始图像对应的第一像素点数据，所述对未标注的初始图像样本进行遮挡处理，生成未标注的预训练图像样本，包括：

3.根据权利要求1所述的训练方法，其特征在于，所述第一人像分割模型包括编码器网络和解码器网络，所述编码器网络对应多个编码阶段，所述多个编码阶段包括下采样阶段和池化阶段，基于所述初始图像样本和所述预训练图像样本，预训练第一人像分割模型，直至得到预训练好的第一人像分割模型，包括：

4.根据权利要求3所述的方法，其...

【技术特征摘要】

1.一种人像分割模型的训练方法，其特征在于，所述训练方法包括：

2.根据权利要求1所述的训练方法，其特征在于，所述初始图像样本包括：初始图像和初始图像对应的第一像素点数据，所述对未标注的初始图像样本进行遮挡处理，生成未标注的预训练图像样本，包括：

3.根据权利要求1所述的训练方法，其特征在于，所述第一人像分割模型包括编码器网络和解码器网络，所述编码器网络对应多个编码阶段，所述多个编码阶段包括下采样阶段和池化阶段，基于所述初始图像样本和所述预训练图像样本，预训练第一人像分割模型，直至得到预训练好的第一人像分割模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述下采样模块包括：一个卷积模块和至少一个短期密集连接模块，所述基于所述预训练图像样本和所述下采样阶段对应的下采样模块，进行下采样，生成多个下采样结果，包括：

5.根据权利要求4所述的训练方法，其特征在于，所述解码器网络包括多个解码阶段，所述多个解码阶段包括第一上采样阶段和第二上采样阶段，所述基于所述目标图像特征、所述多个下采样结果和所述解码器网络，生成预测结果，包括：

6.根据权利要求1所述的训练方法，其特征在于，所述调整所述第一人像分割模...

【专利技术属性】
技术研发人员：闫敏，王千，柳欣，叶晓倩，杜瞻，邓涵，高欢，邓超，冯俊兰，
申请(专利权)人：中国移动通信有限公司研究院，
类型：发明
国别省市：