[发明专利]图像分割方法、装置、电子设备、及存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

获取待分割图像；

将所述待分割图像输入预先训练的多类别识别模型，根据所述多类别识别模型的第一目标层的输出结果信息得到第一类别概率矩阵、以及根据所述多类别识别模型的第二目标层的输出结果信息得到第二类别概率矩阵，其中，所述第二类别属于所述第一类别的子类别，所述第一类别概率矩阵、所述第二类别概率矩阵、以及所述待分割图像的尺寸均相同，所述第一类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第一类别的概率值，所述第二类别概率矩阵的元素表示所述待分割图像中对应位置像素属于第二类别的概率值；

其中，所述多类别识别模型包括第一类别识别子模型和第二类别识别子模型，所述多类别识别模型通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本图像和用于表示样本图像中各像素的所属类别的标注类别概率矩阵，所述所属类别包括背景类、第一类别、以及第二类别，其中，所述第二类别属于所述第一类别的子类别；

根据所述训练样本集合和如下步骤训练所述第一类别识别子模型：

将各样本图像对应的标注类别概率矩阵中元素值为背景类的元素值重置为0，元素值为第一类别或第二类别的元素值重置为1，得到所述各样本图像对应的标注第一类别概率矩阵；

确定初始化的第一类别识别子模型，其中所述初始化的第一类别识别子模型包括用于输出目标图像中各像素属于第一类别的概率的第一目标层；利用机器学习的方法，将所述训练样本集合中的样本图像作为初始化的第一类别识别子模型的输入，将与输入的样本图像对应的标注第一类别概率矩阵作为初始化的第一类别识别子模型的期望输出，训练得到所述第一类别识别子模型；

根据所述训练样本集合和如下步骤训练所述第二类别识别子模型：

将各样本图像对应的标注类别概率矩阵中元素值为背景类的元素值重置为设定值，元素值为第一类别的元素值重置为0，元素值为第二类别的元素值重置为1，得到所述各样本图像对应的标注第二类别概率矩阵，其中所述设定值大于1；

确定初始化的第二类别识别子模型，其中所述初始化的第二类别识别子模型包括用于输出目标图像中各像素属于第二类别的概率的第二目标层；利用机器学习的方法，将所述训练样本集合中的样本图像作为初始化的第二类别识别子模型的输入，将与输入的样本图像对应的标注第二类别概率矩阵作为初始化的第二类别识别子模型的期望输出，训练得到所述第二类别识别子模型。

2.根据权利要求1所述的方法，其特征在于，所述待分割图像为人脸图像；

所述第一类别为斑痘痣类别，所述第二类别为具有设定特征的痣类别。

3.根据权利要求2所述的方法，其特征在于，获取待分割图像的操作包括：

获取包括人脸的原始图像；

获取所述原始图像中待处理的人脸图像作为所述待分割图像。

4.根据权利要求3所述的方法，其特征在于，获取包括人脸的原始图像的操作包括：

获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述包括人脸的原始图像。

5.根据权利要求3所述的方法，其特征在于，在得到所述待分割图像对应的第一类别概率矩阵和第二类别概率矩阵之后还包括：

对所述第一类别概率矩阵进行反变换得到所述原始图像对应的第一类别概率矩阵，以及对所述第二类别概率矩阵进行反变换得到所述原始图像对应的第二类别概率矩阵，其中所述原始图像对应的第一类别概率矩阵、所述原始图像对应的第二类别概率矩阵、以及所述原始图像的尺寸均相同；

根据所述原始图像对应的第一类别概率矩阵、以及所述原始图像对应的第二类别概率矩阵对所述原始图像进行修复处理。