[发明专利]一种图像分割方法及装置、存储介质

说明书

本申请实施例提供了一种图像分割方法及装置、存储介质，包括：利用初始分类网络，对样本图像进行金字塔下采样处理，得到图像对应的多层样本图像特征；将多层样本图像特征的多个分辨率对应的多个图像通道值转换成第一图像通道值，并将多层样本图像特征的多个分辨率转换成第一分辨率，得到多个样本特征图，多个样本特征图的图像通道值和分辨率相同；利用多个样本特征图，得到目标分割样本图像；利用目标分割样本图像和样本图像对应的标准分割样本图像，对初始分类网络进行训练，得到预设分类网络；将待分割图像输入预设分类网络中，得到待分割图像对应的目标分割图像。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像分割方法及装置、存储介质。

背景技术

图像分割是计算视觉领域一个基础的课题，人像分割是其中一个相当重要的应用。在利用智能终端进行人像虚化、背景替换等方面的应用中，都需要高精度的人像分割技术。随着深度学习的长足发展，目前通常使用卷积神经网络来处理人像分割任务。具体的，在编码阶段，图像经过一定数目的依次连接的卷积-下采样层，输出编码阶段的下采样特征图；在解码阶段，下采样特征图经过一定数目依次连接的卷积-上采样层生成上采样特征图，然后输出分割结果图。

然而，现有的人像分割的深度学习模型，在重复利用基础网络提取出来的特征时往往只利用了分辨率最低，通道数最高的特征图或者对于特征图的利用方式非常有限，进而降低了图像分割的精度。

发明内容

本申请实施例提供一种图像分割方法及装置、存储介质，能够提高图像分割的精度。

本申请的技术方案是这样实现的：

本申请实施例提供一种图像分割方法，所述方法包括：

利用初始分类网络，对样本图像进行金字塔下采样处理，得到所述图像对应的多层样本图像特征，所述多层样本图像特征对应多个分辨率，所述多层样本图像特征按照所述多个分辨率的大小进行排序；

将所述多层样本图像特征的所述多个分辨率对应的多个图像通道值转换成第一图像通道值，并将所述多层样本图像特征的所述多个分辨率转换成第一分辨率，得到多个样本特征图，所述多个样本特征图的图像通道值和分辨率相同；

利用所述多个样本特征图，得到目标分割样本图像；

利用所述目标分割样本图像和所述样本图像对应的标准分割样本图像，对所述初始分类网络进行训练，得到预设分类网络；

将待分割图像输入所述预设分类网络中，得到所述待分割图像对应的目标分割图像。

在上述方法中，所述将所述多层样本图像特征的所述多个图像通道值转换成第一图像通道值，包括：

对所述多层样本图像特征进行卷积处理和上采样处理，将所述多层样本图像特征转换为多层压缩样本图像特征，所述多层压缩样本图像特征的图像通道值为所述第一图像通道值。

在上述方法中，所述对所述多层样本图像特征进行卷积处理和上采样处理，将所述多层样本图像特征转换为多层压缩样本图像特征，包括：

当所述样本图像特征为所述多层样本图像特征中图像通道值最小的第一样本图像特征时，对所述第一样本图像特征进行卷积处理，得到所述第一样本图像特征对应的第一压缩样本图像特征，所述第一压缩样本图像特征为所述多层压缩样本图像特征中所述第一样本图像特征对应的压缩样本图像特征；

当所述样本图像特征为所述多层样本图像特征中除所述第一样本图像特征外的第二样本图像特征时，对所述第二样本图像特征进行卷积处理和第一预设上采样倍数的上采样处理，得到第二样本图像特征对应的中间样本图像特征；