[发明专利]一种基于多级卷积神经网络的人像分割处理方法及装置在审

专利信息
申请号: 201810724647.7 申请日: 2018-07-04
公开(公告)号: CN110689542A 公开(公告)日: 2020-01-14
发明(设计)人: 胡事民;张松海;李瑞龙;董欣 申请(专利权)人: 清华大学
主分类号: G06T7/10 分类号: G06T7/10;G06N3/04;G06N3/08
代理公司: 11002 北京路浩知识产权代理有限公司 代理人: 王莹;李相雨
地址: 100084 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷积神经网络 人像 分割结果 分割处理 优化处理 图像 输出 串联 分割
【说明书】:

发明实施例提供一种基于多级卷积神经网络的人像分割处理方法及装置,所述方法包括:获取包含有待处理人像的图像;输入所述图像至第一卷积神经网络,以输出所述待处理人像的分割结果;输入所述分割结果和所述图像至第二卷积神经网络,以输出所述分割结果的优化处理结果。所述装置执行上述方法。本发明实施例提供的基于多级卷积神经网络的人像分割处理方法及装置,通过将第一卷积神经网络和第二卷积神经网络串联成多级卷积神经网络,并输出待处理人像分割结果的优化处理结果,能够实时、准确和高效地进行人像分割。

技术领域

本发明实施例涉及图像处理技术领域,具体涉及一种基于多级卷积神经网络的人像分割处理方法及装置。

背景技术

人像分割技术一向是学术界以及工业界中研究的热点话题,在在线教育、娱乐平台的视频直播、远程视频会议等方面具有广泛的应用。

现有技术中人像分割主要采用绿屏技术,但是,该技术需要专业的绿屏设备及环境,不利于普通用户的广泛使用。现有技术中人像分割还采用背景减除法,但是,该技术严重依赖人像和背景的色差,在颜色相近的区域会产生不稳定的分割结果。并且具有对环境的高度依赖性。现有技术还采用单一的神经网络进行人像分割,但是,过于简单的单一的神经网络具有较低的精度,会在分割时产生人像关键部位的缺失、不完整;而过于复杂的单一的神经网络虽然具有较高的精度,但是复杂性也较高,难以满足人像分割实时、高效的需求。

因此,如何避免上述缺陷,能够实时、准确和高效地进行人像分割,成为亟须解决的问题。

发明内容

针对现有技术存在的问题,本发明实施例提供一种基于多级卷积神经网络的人像分割处理方法及装置。

第一方面,本发明实施例提供一种基于多级卷积神经网络的人像分割处理方法,所述方法包括:

获取包含有待处理人像的图像;

输入所述图像至第一卷积神经网络,以输出所述待处理人像的分割结果;

输入所述分割结果和所述图像至第二卷积神经网络,以输出所述分割结果的优化处理结果。

第二方面,本发明实施例提供一种基于多级卷积神经网络的人像分割处理装置,所述装置包括:

获取单元,用于获取包含有待处理人像的图像;

分割单元,用于输入所述图像至第一卷积神经网络,以输出所述待处理人像的分割结果;

处理单元,用于输入所述分割结果和所述图像至第二卷积神经网络,以输出所述分割结果的优化处理结果。

第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,

所述处理器和所述存储器通过所述总线完成相互间的通信;

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如下方法:

获取包含有待处理人像的图像;

输入所述图像至第一卷积神经网络,以输出所述待处理人像的分割结果;

输入所述分割结果和所述图像至第二卷积神经网络,以输出所述分割结果的优化处理结果。

第四方面,本发明实施例提供一种非暂态计算机可读存储介质,包括:

所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如下方法:

获取包含有待处理人像的图像;

输入所述图像至第一卷积神经网络,以输出所述待处理人像的分割结果;

输入所述分割结果和所述图像至第二卷积神经网络,以输出所述分割结果的优化处理结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810724647.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top