[发明专利]自动抠图方法及系统有效
申请号: | 202010611175.1 | 申请日: | 2020-06-30 |
公开(公告)号: | CN111784564B | 公开(公告)日: | 2022-05-10 |
发明(设计)人: | 林汉权;林杰兴 | 申请(专利权)人: | 稿定(厦门)科技有限公司 |
主分类号: | G06T3/00 | 分类号: | G06T3/00;G06T7/194;G06T7/11 |
代理公司: | 厦门创象知识产权代理有限公司 35232 | 代理人: | 陈文戎 |
地址: | 361000 福建省厦门市思*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自动 方法 系统 | ||
1.一种自动抠图方法,其特征在于,包括以下步骤:
获取历史图片,并根据所述历史图片生成训练数据集;
根据所述训练数据集进行分割模型的训练,以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片;
根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练,以生成抠图模型;
获取待抠图图片,并将所述待抠图图片输入到所述分割模型,以通过所述分割模型生成所述待抠图图片对应的三元组图片;
将所述待抠图图片和该待抠图图片对应的三元组图片输入到所述抠图模型,以通过所述抠图模型生成该待抠图图片对应的图形蒙版,以及根据所述图形蒙版对所述待抠图图片进行自动抠图;
其中,通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片,包括:
根据所述原始图片生成该原始图片对应的多尺度特征,并对所述多尺度特征进行融合,以生成该原始图片对应的特征层;
根据所述原始图片和该原始图片对应的特征层进行细粒度分割,以生成该原始图片对应的三元组图片;
在生成该原始图片对应的特征层之后,还包括:
提取该原始图片中每个像素对应的像素特征,并计算像素间的相似矩阵,以及根据所述像素特征和所述相似矩阵计算像素间的信息增益值,以便根据所述信息增益值对所述特征层进行更新。
2.如权利要求1所述的自动抠图方法,其特征在于,根据所述历史图片生成训练数据集之前,还包括:
计算每个所述历史图片对应的信噪比,并根据所述信噪比对所述历史图片进行过滤;
对过滤后的历史图片中的显著性前景进行标注,以便根据标注后的历史图片生成训练数据集。
3.如权利要求2所述的自动抠图方法,其特征在于,在对过滤后的历史图片中的显著性前景进行标注之后,还包括:
获取背景数据集,并根据所述背景数据集对标注后的历史图片中的背景进行随机替换,以生成相应的扩充样本,以便根据标注后的历史图片和扩充样本生成训练数据集。
4.一种计算机可读存储介质,其特征在于,其上存储有自动抠图程序,该自动抠图程序被处理器执行时实现如权利要求1-3中任一项所述的自动抠图方法。
5.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-3中任一项所述的自动抠图方法。
6.一种自动抠图系统,其特征在于,包括:
获取模块,所述获取模块用于获取历史图片,并根据所述历史图片生成训练数据集;
第一训练模块,所述第一训练模块用于根据所述训练数据集进行分割模型的训练,以便通过训练得到的分割模型根据训练数据集中的原始图片生成对应的三元组图片;
第二训练模块,所述第二训练模块用于根据所述训练数据集中的原始图片和该原始图片对应的三元组图片进行抠图模型的训练,以生成抠图模型;
自动抠图模块,所述自动抠图模块用于获取待抠图图片,并将所述待抠图图片输入到所述分割模型,以通过所述分割模型生成所述待抠图图片对应的三元组图片;
所述自动抠图模块还用于将所述待抠图图片和该待抠图图片对应的三元组图片输入到所述抠图模型,以通过所述抠图模型生成该待抠图图片对应的图形蒙版,以及根据所述图形蒙版对所述待抠图图片进行自动抠图;
其中,第一训练模块还用于根据所述原始图片生成该原始图片对应的多尺度特征,并对所述多尺度特征进行融合,以生成该原始图片对应的特征层;
根据所述原始图片和该原始图片对应的特征层进行细粒度分割,以生成该原始图片对应的三元组图片;
在生成该原始图片对应的特征层之后,还包括:
提取该原始图片中每个像素对应的像素特征,并计算像素间的相似矩阵,以及根据所述像素特征和所述相似矩阵计算像素间的信息增益值,以便根据所述信息增益值对所述特征层进行更新。
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稿定(厦门)科技有限公司,未经稿定(厦门)科技有限公司许可,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/202010611175.1/1.html,转载请声明来源钻瓜专利网。