[发明专利]图像分割网络的训练方法及装置、图像分割方法及装置

说明书

本公开关于一种图像分割网络的训练方法及装置、图像分割方法及装置，该训练方法包括：获取多个样本图像，提取多个样本图像的多个特征图像，将特征图像输入关键点检测网络，以获取人体的目标肩膀区域，将特征图像输入人体分割网络，输出人体预测分割图，获取人体预测分割图与人体标准分割图之间的像素误差，根据目标肩膀区域，对像素误差进行加权，以调整人体分割网络的第一损失函数，基于调整后的第一损失函数和关键点检测网络的第二损失函数，得到图像处理模型调整后的损失函数，根据调整后的损失函数，对图像处理模型进行训练，得到目标图像分割网络。本公开基于肩膀区域调整人体分割网络的损失函数，以提升图像分割的准确率。

技术领域

本公开涉及图像处理应用技术领域，尤其涉及一种图像分割网络的训练方法及装置、图像分割方法及装置。

背景技术

随着移动终端技术以及图像处理(Image Processing)技术的迅速发展，各种具有对人像分割功能的应用程序(Application，简称APP)应运而生，用户对于图像背景替换、照片合成、增加人体特效等功能的要求也日益提高。

现有技术中，为了实现人像分割功能，通常采用基于语义分割网络，隐式地将“人”的信息编码进神经网络的特征中的方式进行相关图像处理模型的训练，进而利用训练好的图像处理模型对人像进行分割。然而，现有基于语义分割网络的图像处理模型的训练过程中，极易发生误将背景信息误分割为人体，或者误将人体部分分割为背景信息的情况，导致图像处理模型无法准确地将人像与背景进行分割。因此，如何通过确保图像处理模型的训练过程中的有效性和可靠性已成为亟待解决的问题。

发明内容

本公开提供一种图像分割网络的训练方法及装置、图像分割方法及装置，以至少解决相关技术中无法确保图像分割的可靠性的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像分割网络的训练方法，包括：获取包括人体的多个样本图像，将所述多个样本图像输入图像处理模型的特征提取网络，得到所述多个样本图像的多个特征图像；将每个所述特征图像输入所述图像处理模型中的关键点检测网络，以输出所述人体的肩膀关键点，并根据所述肩膀关键点得到目标肩膀区域；将每个所述特征图像输入所述图像处理模型中的人体分割网络，以输出人体预测分割图，并获取所述人体预测分割图与所述样本图像对应的人体标准分割图之间每个像素点的像素误差；根据所述目标肩膀区域，对所述像素误差进行加权处理，以调整所述人体分割网络的第一损失函数；基于调整后的所述第一损失函数和所述关键点检测网络的第二损失函数，得到所述图像处理模型调整后的损失函数；根据所述调整后的损失函数，对所述图像处理模型进行训练，得到目标图像分割网络。

根据本公开的一个实施例，所述根据所述目标肩膀区域，对所述像素误差进行加权处理，以调整所述人体分割网络的第一损失函数，包括：获取未处于所述目标肩膀区域内的每个像素点对应的像素误差，作为第一像素误差；获取处于所述目标肩膀区域内的每个像素点对应的像素误差，作为第二像素误差；根据所述目标肩膀区域内的每个像素点对应的加权权重对所述第二像素误差进行加权；根据所述第一像素误差和加权后的所述第二像素误差，调整所述人体分割网络所述第一损失函数。

根据本公开的一个实施例，所述基于调整后的所述第一损失函数和所述关键点检测网络的第二损失函数，得到所述图像处理模型调整后的损失函数，包括：基于所述关键点检测网络的训练误差，获取所述关键点检测网络的第二损失函数；对所述第一损失函数和所述第二损失函数进行加权求和，以得到所述图像处理模型调整后的损失函数。

根据本公开的一个实施例，所述根据所述肩膀关键点得到目标肩膀区域，包括：根据所述肩膀关键点得到肩膀区域，对所述肩膀区域做膨胀处理，得到目标肩膀区域。

根据本公开的一个实施例，所述方法还包括：根据所述调整后的损失函数，对所述图像处理模型进行训练，直至所述图像处理模型的训练结束时，以生成中间图像分割网络；删除所述中间图像分割网络中的关键点检测网络，得到所述目标图像分割网络。