[发明专利]图像处理网络的训练方法及装置、图像处理方法及装置

权利要求书

1.一种图像处理网络的训练方法，其特征在于，包括：

获取训练图像和训练图像的三分图以及训练图像的阿尔法值；

基于训练图像和训练图像的三分图获得训练图像的语义三分图，其中，语义三分图包含关于图像中各个不同区域的像素属于多个不同类别阿尔法模式的置信度的信息；

基于训练图像、训练图像的三分图、训练图像的语义三分图以及训练图像的阿尔法值对所述图像处理网络进行训练。

2.根据权利要求1所述的训练方法，其特征在于，对所述图像处理网络进行训练的步骤包括：

将训练图像、训练图像的三分图和训练图像的语义三分图输入到所述图像处理网络中，获得训练图像的每个区域的像素的阿尔法预测值；

基于训练图像的每个区域的像素的阿尔法预测值和训练图像的阿尔法值确定所述图像处理网络的预测损失；

根据预测损失对所述图像处理网络的参数进行调整。

3.根据权利要求2所述的训练方法，其特征在于，基于训练图像的每个区域的像素的阿尔法预测值和训练图像的阿尔法值确定所述图像处理网络的预测损失的步骤包括：

将训练图像的每个区域的像素的阿尔法预测值和训练图像的阿尔法值输入到预设的多类别判别器中，获得针对阿尔法预测值和阿尔法值的预测结果以及在判别过程中多类别判别器的每个网络层提取出的特征图；

基于所述预测结果和所述特征图，确定所述图像处理网络的分类损失以及特征重建损失。

4.根据权利要求3所述的训练方法，其特征在于，基于训练图像的每个区域的像素的阿尔法预测值和训练图像的阿尔法值确定所述图像处理网络的预测损失的步骤还包括：

确定所述图像处理网络的可学习参数；

基于训练图像的每个区域的像素的阿尔法预测值和所述图像处理网络的可学习参数，确定所述图像处理网络的阿尔法梯度分布损失。

5.根据权利要求1所述的训练方法，其特征在于，基于训练图像和训练图像的三分图获得训练图像的语义三分图的步骤包括：

将训练图像和训练图像的三分图输入到预设的分类器中，通过所述分类器获得训练图像的每个区域的像素属于所述多个不同类别的阿尔法模式的置信度；

基于训练图像的每个区域的像素属于所述多个不同类别的阿尔法模式的置信度，获得训练图像的语义三分图。

6.一种图像处理方法，其特征在于，包括：

基于图像和所述图像的三分图获得所述图像的语义三分图，其中，语义三分图包含关于图像中各个不同区域的像素属于多个不同类别阿尔法模式的置信度的信息；

基于所述图像、所述图像的三分图以及所述图像的语义三分图，预测所述图像的每个区域的像素的阿尔法值；

基于所述图像的每个区域的像素的阿尔法值对所述图像进行处理，以获取所述图像中的目标对象。

7.一种图像处理网络的训练装置，其特征在于，包括：

训练数据接收单元，被配置为获取训练图像和训练图像的三分图以及训练图像的阿尔法值；

语义图获得单元，被配置为基于训练图像和训练图像的三分图获得训练图像的语义三分图，其中，语义三分图包含关于图像中各个不同区域的像素属于多个不同类别阿尔法模式的置信度的信息；和

训练单元，被配置为基于训练图像、训练图像的三分图、训练图像的语义三分图以及训练图像的阿尔法值对所述图像处理网络进行训练。

8.一种图像处理装置，其特征在于，包括：

语义图获得单元，被配置为基于图像和所述图像的三分图获得所述图像的语义三分图，其中，语义三分图包含关于图像中各个不同区域的像素属于多个不同类别阿尔法模式的置信度的信息；

预测单元，被配置为基于所述图像、所述图像的三分图以及所述图像的语义三分图，预测所述图像的每个区域的像素的阿尔法值；和

图像处理单元，被配置为基于所述图像的每个区域的像素的阿尔法值对所述图像进行处理，以获取所述图像中的目标对象。