抠像模型训练和图像抠像方法、装置和系统及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108876804A(43)申请公布日2018.11.23(21)申请号201710947711.3(22)申请日2017.10.12(71)申请人北京旷视科技有限公司地址100190北京市海淀区科学院南路2号A座313申请人北京迈格威科技有限公司(72)发明人彭超俞刚(74)专利代理机构北京睿邦知识产权代理事务所(普通合伙)11481代理人徐丁峰戴亚南(51)Int.Cl.G06T7/194(2017.01)G06T7/12(2017.01)权利要求书3页说明书15页附图5页(54)发明名称抠像模型训练和图像抠像方法、装置和系统及存储介质(57)摘要本发明实施例提供一种抠像模型训练方法、装置和系统以及图像抠像方法、装置和系统以及存储介质。抠像模型训练方法包括：获取样本图像和对应的标注数据，标注数据用于指示样本图像中目标对象所在位置；根据标注数据确定样本图像中目标对象的对象边缘区域；根据为样本图像中的对象边缘区域以及样本图像中的其他区域分别分配的采样权重对样本图像中的像素进行采样；以及根据采样到的像素计算用于训练抠像模型的损失函数，利用损失函数、样本图像和标注数据对抠像模型进行训练。该抠像模型训练方法有利于提升抠像模型对对象边缘的预测精度，能够大大提升相关应用的用户体验。CN108876804ACN108876804A权利要求书1/3页1.一种抠像模型训练方法，包括：获取样本图像和对应的标注数据，所述标注数据用于指示所述样本图像中目标对象所在位置；根据所述标注数据确定所述样本图像中所述目标对象的对象边缘区域；根据为所述样本图像中的所述对象边缘区域以及所述样本图像中的其他区域分别分配的采样权重对所述样本图像中的像素进行采样；以及根据所述采样到的像素计算用于训练抠像模型的损失函数，利用所述损失函数、所述样本图像和所述标注数据对所述抠像模型进行训练。2.如权利要求1所述的方法，其中，所述根据所述标注数据确定所述样本图像中所述目标对象的对象边缘区域包括：根据所述标注数据确定所述样本图像中所述目标对象的边缘；以及利用形态学膨胀算法扩展所述边缘，以获得所述对象边缘区域。3.如权利要求2所述的方法，其中，所述根据所述标注数据确定所述样本图像中所述目标对象的边缘包括：根据所述标注数据，利用坎尼算子确定所述样本图像中所述目标对象的边缘。4.如权利要求1所述的方法，其中，所述根据为所述样本图像中的所述对象边缘区域以及所述样本图像中的其他区域分别分配的采样权重对所述样本图像中的像素进行采样包括：根据所述对象边缘区域和所述标注数据将所述样本图像划分为三个区域：所述对象边缘区域、对象中心区域和背景区域，其中，所述对象中心区域包括属于所述目标对象并且不属于所述对象边缘区域的像素，所述背景区域包括不属于所述目标对象并且不属于所述对象边缘区域的像素；以及根据为所述对象边缘区域、所述对象中心区域和所述背景区域分别分配的采样数目对所述对象边缘区域、所述对象中心区域和所述背景区域分别进行采样，其中，所述采样数目基于所述采样权重确定。5.如权利要求4所述的方法，其中，分配给所述对象边缘区域、所述对象中心区域和所述背景区域的采样数目是相等的。6.如权利要求1所述的方法，其中，根据所述采样到的像素计算用于训练抠像模型的损失函数包括：根据所述采样到的像素的坐标生成与所述标注数据尺寸一致的矩阵M，其中M(x,y)＝1代表像素点(x,y)被采样，M(x,y)＝0代表像素点(x,y)被舍弃；将所述损失函数L构建为其中，yi代表所述标注数据中针对第i个像素点标注的类别，代表所述抠像模型针对第i个像素点预测的类别，n为所述样本图像中的像素的数目，l为交叉熵函数。7.如权利要求1所述的方法，其中，所述抠像模型采用神经网络实现。8.一种图像抠像方法，包括：获取待处理图像；以及利用通过如权利要1至7任一项所述的抠像模型训练方法训练的抠像模型对所述待处2CN108876804A权利要求书2/3页理图像进行抠像处理。9.一种抠像模型训练装置，包括：样本获取模块，用于获取样本图像和对应的标注数据，所述标注数据用于指示所述样本图像中目标对象所在位置；边缘区域确定模块，用于根据所述标注数据确定所述样本图像中所述目标对象的对象边缘区域；采样模块，用于根据为所述样本图像中的所述对象边缘区域以及所述样本图像中的其他区域分别分配的采样权重对所述样本图像中的像素进行采样；以及训练模块，用于根据所述采样到的像素计算用于训练抠像模型的损失函数，利用所述损失函数、所述样本图像和所述标注数据对所述抠像模型进行训练。10.一种图像抠像装置，包括：待处理图像获取模块，用于获取待处理图像；以及抠像处理模块，用于利用通过如权利要1至7任一项所述的