[发明专利]一种人像分割方法、装置、计算机设备及存储介质

说明书

本发明公开了一种人像分割方法、装置、计算机设备及存储介质。该方法包括将待分割图片输入EfficientNet网络进行多次维度缩放处理，分别输出对应的降维图片；将最后两次输出的降维图片输入注意力融合模块进行特征融合得到融合图片，其中最后两次输出的降维图片为7×7×192图片和7×7×320图片；将融合图片输入条状注意力模块进行条带化处理得到输出图像；对输出图像中的目标对象进行分割，输出目标分割图像。本发明通过对网络结构进行改进，具有提高人像分割精准度的优点。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人像分割方法、装置、计算机设备及存储介质。

背景技术

伴随着图像融合和数字处理技术的愈发成熟，也对人脸、物体等对象替换技术提出了更高的要求，如何使得替换后的对象效果自然，达到看不出人为替换的成分，比如电影中就要求人脸替换技术具有更高的精度和更精细的纹理细节，这样才能保证人物的逼真性。

针对上述问题，研宄人员利用深度神经网络进行目标对象分割。如基于颜色的彩色数字图像目标分割技术，主要利用人工神经网络方法，利用颜色空间对人脸图像的感兴趣或非感兴趣像素进行分割。随后还提出基于深度卷积神经网络，即通过CNN的多任务联合学习算法实现人脸对齐和分割，该算法通过设计的残差模块，实现了跨层特征的协同融合，提升了分割的效果。

但是，上述算法整体依赖于低级视觉信息和人为辅助信息进行浅层语义分割，缺少关键的模型训练和深层语义信息，导致上述算法对于图像背景多变化的鲁棒性极差，无法完成复杂的目标对象分割任务。

发明内容

本发明的目的是提供一种人像分割方法、装置、计算机设备及存储介质，旨在解决现有分割算法对于图像背景多变化的鲁棒性极差，无法完成复杂的人像分割任务的问题。

第一方面，本发明实施例了提供一种人像分割方法，其包括：

将待分割图片输入EfficientNet网络进行多次维度缩放处理，分别输出对应的降维图片；

将最后两次输出的降维图片输入注意力融合模块进行特征融合得到融合图片，其中最后两次输出的降维图片为7×7×192图片和7×7×320图片；

将所述融合图片输入条状注意力模块进行条带化处理得到输出图像；

对所述输出图像中的目标对象进行分割，输出目标分割图像。

第二方面，本发明实施例了提供一种人像分割装置，其包括：。

维度缩放单元，用于将待分割图片输入EfficientNet网络进行多次维度缩放处理，分别输出对应的降维图片；

特征融合单元，用于将最后两次输出的降维图片输入注意力融合模块进行特征融合得到融合图片，其中最后两次输出的降维图片为7×7×192图片和7×7×320图片；

条带化处理单元，用于将所述融合图片输入条状注意力模块进行条带化处理得到输出图像；

分割单元，用于对所述输出图像中的目标对象进行分割，输出目标分割图像。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的人像分割方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的人像分割方法。