[发明专利]人像分割方法、装置、电子设备及存储介质

权利要求书

1.一种人像分割方法，包括：

获取待分割图像；

利用预先训练的人像分割模型，提取所述待分割图像的浅层图像信息和深层图像信息，所述深层图像信息基于所述人像分割模型的轻量化网络提取得到；

基于所述浅层图像信息和所述深层图像信息，确定所述待分割图像的人像分割结果；

基于所述人像分割结果、所述待分割图像的前景图以及所述待分割图像的背景图，确定所述待分割图像的目标分割图像；

所述基于所述浅层图像信息和所述深层图像信息，确定所述待分割图像的人像分割结果，包括：

利用所述人像分割模型，对所述深层图像信息和所述浅层图像信息进行信息级联，得到级联特征图；

对所述级联特征图进行升采样，得到所述待分割图像的人像分割结果；

所述利用所述人像分割模型，对所述深层图像信息和所述浅层图像信息进行信息级联，得到级联特征图，包括：

对所述深层图像信息进行升采样处理，得到升采样的深层图像信息；

预测所述升采样的深层图像信息中各像素点的概率值；

基于所述各像素点的概率值和所述浅层图像信息，得到浅层特征图像；

对所述浅层特征图像和所述升采样的深层图像信息进行信息级联，得到所述级联特征图。

2.根据权利要求1所述的方法，其中，提取所述待分割图像的深层图像信息，包括：

利用所述人像分割模型的轻量化网络，对所述待分割图像的浅层图像信息进行降采样和膨胀卷积处理，得到所述深层图像信息。

3.根据权利要求2所述的方法，其中，所述利用所述人像分割模型的轻量化网络，对所述待分割图像的浅层图像信息进行降采样和膨胀卷积处理，得到所述深层图像信息，包括：

利用所述轻量化网络的第一轻量化子网络，对所述待分割图像的轮廓信息进行一次或多次降采样，得到降采样的浅层图像信息；

利用所述轻量化网络的第二轻量化子网络，对所述降采样的浅层图像信息进行膨胀卷积处理，得到所述深层图像信息。

4.根据权利要求2或3所述的方法，其中，所述利用所述人像分割模型的轻量化网络，对所述待分割图像的浅层图像信息进行降采样和膨胀卷积处理，得到所述深层图像信息，包括：

利用所述人像分割模型的轻量化网络，基于逐通道卷积和/或逐点卷积，对所述浅层图像信息进行降采样和膨胀卷积处理，得到所述深层图像信息。

5.根据权利要求1-3中任一项所述的方法，所述待分割图像包括待分割视频的多个图像帧；

其中，所述基于所述人像分割结果、所述待分割图像的前景图以及待分割图像的背景图，确定所述待分割图像的目标分割图像，包括：

确定相邻图像帧中像素点的偏移量，并基于各个像素点的偏移量生成偏移量图像；

基于所述相邻图像帧中的当前图像帧的前景图、所述当前图像帧的背景图以及所述当前图像帧的人像分割结果，确定当前图像帧对应的当前分割图像；

基于所述偏移量图像和所述当前图像帧对应的当前分割图像，得到所述当前图像帧对应的目标分割图像。

6.根据权利要求1-3中任一项所述的方法，其中，所述人像分割模型通过以下方式训练得到：

获取训练样本集，其中，所述训练样本集包括样本图像和所述样本图像的样本分割图像；

将所述样本图像输入至初始人像分割模型，确定所述样本图像的真实预测图像；

基于所述真实预测图像和所述样本分割图像，确定当前迭代次数下的初始人像分割模型的损失函数；

在所述损失函数的损失值小于或等于预设损失值的情况下，将所述当前迭代次数下的初始人像分割模型作为所述人像分割模型。