[发明专利]图片分割方法、装置和系统

权利要求书

1.一种图片分割方法，其特征在于，包括：

通过对图片进行特征提取，从候选分割算法中选择与所述图片对应的目标分割算法，其中，所述候选分割算法包括：显著性分割算法和语义分割算法；

使用所述目标分割算法对所述图片进行粗分割，得到第一分割结果，其中，所述粗分割用于初步确定所述图片中的目标对象；

对所述第一分割结果进行细分割，得到所述图片中的目标对象；

其中，通过对图片进行特征提取，从候选分割算法中选择与图片对应的目标分割算法，包括：将所述图片输入至分割模型中的主干网络，由所述主干网络通过对所述图片进行特征提取，将所述图片分配至对应的节点，其中，所述节点包括：分别与样本图片的数量超过预设值的每个类目对应的第一节点，和与样本图片小于或等于所述预设值的所有类目对应的一个第二节点；如果将所述图片分配至所述第一节点，确定所述目标分割算法为所述语义分割算法；如果将所述图片分配至所述第二节点，确定所述目标分割算法为所述显著性分割算法。

2.根据权利要求1所述的方法，其特征在于，所述分割模型还包括分割网络，所述分割网络包括：语义分割网络和显著性分割网络，使用所述目标分割算法对所述图片进行粗分割，得到第一分割结果，包括：

所述主干网络输出的第一特征层输入至目标分割算法对应的分割网络；

通过所述分割网络对所述图片进行粗分割。

3.根据权利要求2所述的方法，其特征在于，在所述目标分割算法为显著性分割算法的情况下，通过所述分割网络对所述图片进行粗分割，包括：

按照预设的跳层规则将多个第二特征层进行堆叠，得到多个单通道预测掩膜，其中，所述第二特征层通过对所述主干网络输出的第一特征层进行卷积和反卷积的处理得到；

获取所述多个单通道预测掩膜的第一线性均值；

确定所述第一线性均值为所述图片对应的第一分割结果。

4.根据权利要求2所述的方法，其特征在于，在所述目标分割算法为显著性分割算法的情况下，通过所述分割网络对所述图片进行粗分割，包括：

按照预设的跳层规则将多个第二特征层进行堆叠，得到多个单通道预测掩膜，其中，所述第二特征层通过对所述主干网络输出的第一特征层进行卷积和反卷积的处理得到；

从所述多个单通道预测掩膜中提取n个单通道预测掩膜，其中，n为小于所述单通道预测掩膜数量的正整数；

获取所述n个单通道预测掩膜的第二线性均值；

确定所述第二线性均值为所述图片对应的第一分割结果。

5.根据权利要求2所述的方法，其特征在于，在所述分割算法为语义分割算法的情况下，通过所述分割网络对所述图片进行粗分割，包括：

选择所述主干网络中的多个卷积层；

按照由下到上的顺序，将所述卷积层输出的第一特征层进行上采样后，与上一个卷积层输出的第一特征层进行特征叠加，得到最后一个卷积层对应的目标特征层；

对所述目标特征层进行卷积，使所述目标特征层的通道数量为所述第一节点的数量；

通过对卷积后的目标特征层进行上采样，将卷积后的目标特征层的大小调整至与所述图片的大小一致。

6.根据权利要求3至5中任意一项所述的方法，其特征在于，对所述第一分割结果进行细分割，得到所述图片中的目标对象，包括：

将所述图片缩小至第一预设尺寸；

通过聚类算法为所述第一分割结果中的前景颜色和背景颜色进行高斯建模，得到混合高斯分布模型，其中，所述混合高斯分布模型用于表征所述图片中每个像素点为前景颜色或背景颜色的概率；

通过针对全局像素的期望最大化算法，修正所述混合高斯分布模型；

通过最大流最小割算法根据所述第一分割结果进行重新分割，得到第二分割结果；

对第二分割结果按照第二预设尺寸进行放大，并重新进入通过针对全局像素的期望最大化算法，修正所述混合高斯分布模型的步骤，直至将第二分割结果放大至所述图片缩小前的尺寸。