[发明专利]一种基于机器学习的图像多余人物消除方法

权利要求书

1.一种基于机器学习的图像多余人物消除方法，其特征在于，包括以下步骤：

步骤一：获取存在多个多余人物的原始图像，对原始图像中的多余人物进行检测提取；

步骤二：对图像中检测提取的人物分别进行标注，并对标注的多余人物进行裁剪，保留目标人物图像；

步骤三：采用图像裁剪与修复模型对裁剪后的图像进行图像修复补全，获得消除多余人物的图像。

2.根据权利要求1所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述步骤一具体包括：当获取的多个原始图像中存在多余人物和小目标时，将原始图像输入到目标检测提取模型中，对原始图像中的多余人物和小目标进行目标检测，并对检测出的多余人物和小目标进行目标分割。

3.根据权利要求2所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述对原始图像中的多余人物和小目标进行目标检测过程具体包括以下子步骤：

S11，Mosaic数据增强，在多个原始图像中每次随机读取四张图片，然后分别对四张图片进行翻转、缩放和色域变化操作，并对操作后的四张图片进行拼接，最后进行图片的组合和框的组合；

S12，自适应锚框计算，以预定义边框为基础，在进行目标检测提取模型的网络训练时，以真实的边框位置相对于预设边框的偏移来构建训练样本；在进行手势识别网络计算中，网络在初始锚框的基础上输出预测框，进而和真实框进行比对，计算两者差距，再反向更新，迭代网络参数；

S13，多尺度训练的自适应图片缩放，分别计算缩放比例、缩放后的标准尺寸和黑边填充数值，将原始图片按照缩放比例统一缩放到预设的标准尺寸，并根据黑边填充数值对原始图像进行自适应的填充灰边，将填充后的图片输入到FPN+PAN金字塔结构中进行人物精确识别。

4.根据权利要求1所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述步骤二具体包括：对图像中检测提取的人物和手势小目标分别进行标注，利用DropBlock对标注出的多余人物和手势进行裁剪，获得裁剪后的目标人物图像。

5.根据权利要求1所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述步骤三具体包括：采用边缘链接的对抗式生成网络实现对图像细粒度的边缘生成和内部图像修复；通过two-stage的网络框架完成边缘生成和图像补全的任务，第一阶段完成对图像的边缘及内部纹理修复，第二阶段完成对整体线条框架的色彩填充与图像修复。

6.根据权利要求5所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述第一阶段完成对图像的边缘及内部纹理修复过程包括：构建图像线条修复器模块，该模块包含两次下采样的编码器、八个残差块和反卷积解码器，残差块部分使用膨胀因子为2的膨胀卷积来代替规则卷积，利用图像线条修复器模块对裁剪后的目标人物图像进行纹理修复。

7.根据权利要求5所述的一种基于机器学习的图像多余人物消除方法，其特征在于，所述第二阶段完成对整体线条框架的色彩填充与图像修复过程具体包括：构建像素级别的生成式网络架构，网络输入缺失边缘的RGB通道，mask通道，纹理线条通道，将每一个通道输入的pixel当做有效输入，为所有层的全部位置点提供了可供学习的动态的特征选择机制；采用第一阶段修复后的残缺图像边缘以及背景图像进行重构；采用感知损失和风格损失的联合损失函数，构建图像修复器实现对残缺图像的对抗式细粒度修复与补全。