[发明专利]一种模型获取方法、模型获取装置及智能设备

说明书

本申请公开了一种模型获取方法、模型获取装置、智能设备及计算机可读存储介质。其中，该方法包括：通过待训练的特征提取编码器对样本图像进行编码；分别通过待训练的边缘检测解码器及待训练的人像分割解码器对编码结果进行解码，得到边缘检测解码器所输出的样本图像的边缘结果，以及人像分割解码器所输出的样本图像的分割结果；基于边缘结果、分割结果及样本图像计算总损失；根据总损失，对边缘检测解码器、人像分割解码器及特征提取编码器进行优化，在总损失达到收敛后，获得由已训练的特征提取编码器及已训练的人像分割解码所构成的已训练的人像分割模型。通过本申请方案，可使得人像分割模型的人像分割结果更为精准。

技术领域

本申请属于图像处理技术领域，尤其涉及一种模型获取方法、模型获取装置、智能设备及计算机可读存储介质。

背景技术

近年来，随着人工智能(Artificial Intelligence，AI)的快速发展，许多基于AI的应用被开发了出来。这些AI应用可部署于机器人中，通过AI算法与用户进行互动。在AI应用与用户进行交互的过程中，对用户进行精准的人像分割就显得尤为重要。

目前常见的基于全卷积神经网络(fully connected network，FCN)的人像分割算法，通常能够大致分割出人像的轮廓。但是由于用户在与AI应用进行交互的过程中，用户所处的环境是千变万化的；在用户和环境差别不是很大时，这些人像分割算法不能较好的分割出人像的轮廓，容易导致最终的人像分割效果较差。

发明内容

本申请提供了一种模型获取方法、模型获取装置、智能设备及计算机可读存储介质，可使得人像分割模型的人像分割结果更为精准。

第一方面，本申请提供了一种模型获取方法，包括：

通过待训练的特征提取编码器对样本图像进行编码；

分别通过待训练的边缘检测解码器及待训练的人像分割解码器对编码结果进行解码，得到上述边缘检测解码器所输出的上述样本图像的边缘结果，以及，上述人像分割解码器所输出的上述样本图像的分割结果；

基于上述边缘结果、上述分割结果及上述样本图像计算上述边缘检测解码器、上述人像分割解码器及上述特征提取编码器的总损失；

若上述总损失未达到收敛，则根据上述总损失对上述边缘检测解码器、人像分割解码器及特征提取编码器进行优化，并返回执行上述通过待训练的特征提取编码器对样本图像进行编码的步骤及后续步骤，直至上述总损失达到收敛后，获得已训练的人像分割模型，其中，上述已训练的人像分割模型由已训练的特征提取编码器及已训练的人像分割解码器而构成。

第二方面，本申请提供了一种模型获取装置，包括：

编码单元，用于通过待训练的特征提取编码器对样本图像进行编码；

解码单元，用于分别通过待训练的边缘检测解码器及待训练的人像分割解码器对编码结果进行解码，得到上述边缘检测解码器所输出的上述样本图像的边缘结果，以及，上述人像分割解码器所输出的上述样本图像的分割结果；

计算单元，用于基于上述边缘结果、上述分割结果及上述样本图像计算上述边缘检测解码器、上述人像分割解码器及上述特征提取编码器的总损失；

优化单元，用于若上述总损失未达到收敛，则根据上述总损失对上述边缘检测解码器、人像分割解码器及特征提取编码器进行优化，并再次触发上述编码单元的运行；

获取单元，用于在上述总损失达到收敛后，获得已训练的人像分割模型，其中，上述已训练的人像分割模型由已训练的特征提取编码器及已训练的人像分割解码器而构成。

第三方面，本申请提供了一种智能设备，上述智能设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。