[发明专利]图像分割方法及装置、电子设备和存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

确定待分割图像中目标对象的人脸位置信息，所述目标对象是所述待分割图像中包括的多个对象中的至少一个；

根据所述目标对象的人脸位置信息，对所述待分割图像进行分割，得到所述目标对象对应的分割结果。

2.根据权利要求1所述的方法，其特征在于，所述确定待分割图像中目标对象的人脸位置信息，包括：

对所述待分割图像进行人脸检测，得到多个人脸框；

响应于被选中的人脸框，将所述被选中的人脸框确定为所述目标对象对应的目标人脸框，所述目标人脸框用于指示所述待分割图像中所述目标对象的人脸位置信息。

3.根据权利要求1所述的方法，其特征在于，所述确定待分割图像中目标对象的人脸位置信息，包括：

接收用户对所述目标对象的人脸区域的标注信息；

根据所述标注信息，确定所述目标对象对应的目标人脸框，所述目标人脸框用于指示所述待分割图像中所述目标对象的人脸位置信息。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述目标对象的人脸位置信息，对所述待分割图像进行分割，得到所述目标对象对应的分割结果，包括：

根据所述目标人脸框，生成所述目标人脸框对应的第一掩膜图像，所述第一掩膜图像中包括第一区域和第二区域，所述第一区域在所述第一掩膜图像中的位置与所述目标人脸框在所述待分割图像中的位置相同，所述第二区域为所述第一掩膜图像中所述第一区域以外的区域；

基于所述第一掩膜图像，对所述待分割图像进行分割，得到所述目标对象对应的分割结果。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一掩膜图像，对所述待分割图像进行分割，得到所述目标对象对应的分割结果，包括：

将所述第一掩膜图像和所述待分割图像进行融合，得到融合后图像；

基于所述融合后图像，利用训练好的深度神经网络对所述待分割图像进行分割，得到所述目标对象对应的分割结果。

6.根据权利要求5所述的方法，其特征在于，所述将所述第一掩膜图像和所述待分割图像进行融合，得到融合后图像，包括：

对所述待分割图像中各像素点的像素值进行归一化处理，得到归一化待分割图像；

将所述第一掩膜图像和所述归一化待分割图像进行融合，得到所述融合后图像。

7.根据权利要求5或6所述的方法，其特征在于，所述基于所述融合后图像，利用训练好的深度神经网络对所述待分割图像进行分割，得到所述目标对象对应的分割结果，包括：

基于所述融合后图像，利用所述训练好的深度神经网络，预测所述待分割图像中各像素点为目标像素点的概率，所述目标像素点为所述待分割图像中所述目标对象所在区域的像素点；

根据所述待分割图像中各像素点为目标像素点的概率以及预设概率阈值，确定所述目标对象对应的分割结果。

8.根据权利要求5至7中任意一项所述的方法，其特征在于，在基于所述融合后图像，利用所述训练好的深度神经网络对所述待分割图像进行分割之前，所述方法还包括：

将样本图像和第二掩膜图像进行融合后输入初始深度神经网络，所述第二掩膜图像是根据所述样本图像中待分割对象的人脸位置信息确定得到的，所述第二掩膜图像中包括第三区域和第四区域，所述第三区域在所述第二掩膜图像中的位置与所述待分割对象对应的人脸框在所述样本图像中的位置相同，所述第四区域为所述第二掩膜图像中所述第三区域以外的区域，所述待分割对象对应的人脸框用于指示所述样本图像中所述待分割对象的人脸位置信息；

基于所述样本图像和所述第二掩膜图像进行融合后的图像，利用所述初始神经网络对所述样本图像进行分割，得到所述待分割对象对应的分割结果；

根据所述待分割对象对应的预设标注分割信息，以及所述待分割对象对应的分割结果，确定所述初始深度神经网络对应的分割损失；

根据所述分割损失，训练所述初始深度神经网络，以得到所述训练后的深度神经网络。