CN113689372B - 图像处理方法、设备、存储介质及程序产品 - Google Patents
图像处理方法、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN113689372B CN113689372B CN202110988785.8A CN202110988785A CN113689372B CN 113689372 B CN113689372 B CN 113689372B CN 202110988785 A CN202110988785 A CN 202110988785A CN 113689372 B CN113689372 B CN 113689372B
- Authority
- CN
- China
- Prior art keywords
- image
- network
- coding
- foreground
- background
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 151
- 238000012549 training Methods 0.000 claims description 147
- 230000006870 function Effects 0.000 claims description 89
- 238000000605 extraction Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 40
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101100295091 Arabidopsis thaliana NUDT14 gene Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001139947 Mida Species 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开实施例提供一种图像处理方法、设备、存储介质及程序产品,通过获取包含目标对象的待处理图像;将待处理图像输入蒙版处理模型,蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据前景特征图和背景特征图确定待处理图像对应的前景蒙版;根据前景蒙版对待处理图像进行背景替换。本公开实施例中通过蒙版处理模型准确的提取待处理的编码特征,进而有效的重构前景特征和背景特征,可有效的提高前景蒙版的准确度,从而在根据前景蒙版对待处理图像进行背景替换后,可得到较高质量的图像,满足用户的审美需求。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种图像处理方法、设备、存储介质及程序产品。
背景技术
在一些场景中需要对图像中的背景进行替换,例如直播场景中将直播画面中的人像背景替换为特定的背景图像,通常需要采用人像抠图算法,将前景人像和背景分割,再与预设的背景图像融合起来,实现背景替换。
目前主流的抠图算法是采用语义分割或其他抠图算法,输入一个RGB图片,图像属性shape为(3,H,W),输出一个透明度图,shape为(1,H,W)。但是现有技术的人像抠图算法所得到的前景人像准确度较低,通常无法满足人们的审美要求。
发明内容
本公开实施例提供一种图像处理方法、设备、存储介质及程序产品,以提高抠图准确度,提高背景替换后的图像质量。
第一方面,本公开实施例提供一种图像处理方法,包括:
获取包含目标对象的待处理图像;
将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
根据所述前景蒙版对所述待处理图像进行背景替换。
第二方面,本公开实施例提供一种图像处理设备,包括:
获取单元,用于获取包含目标对象的待处理图像;
处理单元,用于将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
替换单元,用于根据所述前景蒙版对所述待处理图像进行背景替换。
第三方面,本公开实施例提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
第五方面,本公开实施例提供一种计算机程序产品,包括计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
本公开实施例提供的图像处理方法、设备、存储介质及程序产品,通过获取包含目标对象的待处理图像;将待处理图像输入蒙版处理模型,蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据前景特征图和背景特征图确定待处理图像对应的前景蒙版;根据前景蒙版对待处理图像进行背景替换。本公开实施例中通过蒙版处理模型准确的提取待处理的编码特征,进而有效的重构前景特征和背景特征,可有效的提高前景蒙版的准确度,从而在根据前景蒙版对待处理图像进行背景替换后,可得到较高质量的图像,满足用户的审美需求。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1a为本公开一实施例提供的图像处理方法的一种应用场景示例图;
图1b为本公开另一实施例提供的图像处理方法的一种应用场景示例图;
图2为本公开一实施例提供的图像处理方法流程图;
图3a为本公开一实施例提供的应用阶段中蒙版处理模型的示意图;
图3b为本公开一实施例提供的前景蒙版的示意图;
图4为本公开另一实施例提供的图像处理方法流程图;
图5为本公开另一实施例提供的图像处理方法流程图;
图6为本公开一实施例提供的训练阶段中蒙版处理模型的示意图;
图7为本公开另一实施例提供的图像处理方法流程图;
图8为本公开另一实施例提供的图像处理方法流程图;
图9为本公开一实施例提供的图像处理设备的结构框图;
图10为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
目前主流的抠图算法是采用语义分割或其他抠图算法,输入一个RGB图片,图像属性shape为(3,H,W),输出一个透明度图,shape为(1,H,W)。但是现有技术的人像抠图算法所得到的前景人像准确度较低,通常无法满足人们的审美要求。
为了解决上述技术问题,本公开实施例提供一种蒙版处理模型,蒙版处理模型包括编码网络、解码网络及输出网络,在获取到包含目标对象的待处理图像后,将待处理图像输入蒙版处理模型,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据前景特征图和背景特征图确定待处理图像对应的前景蒙版;根据前景蒙版对待处理图像进行背景替换。本公开实施例中通过蒙版处理模型准确的提取待处理的编码特征,进而有效的重构前景特征和背景特征,可有效的提高前景蒙版的准确度,从而在根据前景蒙版对待处理图像进行背景替换后,可得到较高质量的图像,满足用户的审美需求。
在此基础上,蒙版处理模型输入一个RGB图片,shape为(3,H,W),输出一个前景蒙版的透明度图,shape为(1,H,W)。但有时可能很难将前景和背景分割干净,比如在复杂的直播场景中,主播手上拿的很多商品或道具,可能很难与复杂的背景板进行准确分割。
而考虑到随着采集深度信息的硬件的发展和成熟,在现有的一些人像抠图算法中引入深度信息也逐步得到发展,相比于传统的仅输入RGB图片的人像抠图算法,可有效提升效果。但是,由于引入深度信息的人像抠图算法需要输入RGB图片和深度图(depth),在算法应用阶段(inference阶段),一方面需要引入深度图采集设备的硬件成本,另一方面需要对齐RGB图片和深度图的视差和信息流,不仅引入额外工程开发的工作量,也会增加带宽。
为了解决上述技术问题,本公开在算法模型训练阶段引入深度信息进行监督训练,提高算法模型效果,使模型能更好的分割前景和背景,而在模型应用阶段,仅需要输入RGB图像即可,不需要额外输入深度图,可以有效降低硬件成本,同时也可节约带宽成本。
更具体的,考虑到编码网络中间层引入深度信息可以辅助模型学习不同景深的特征基底,例如近处的人体特征和较远的人体特征,而解码网络属于深层的特征处理,使用深度信息不利于特征构建,因此本公开实施例在蒙版处理模型训练过程中,对编码网络的训练引入深度信息进行监督训练,而解码网络和输出网络在训练过程中不引入深度信息进行监督训练。具体的,获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络,包括但不限于下采样的CNN backbone模型,如resnet、densenet、mobilenet等。
本公开实施例提供的图像处理方法应用于如图1a所示的应用场景,包括图像采集设备101、处理设备102;其中图像采集设备101可用于采集包含目标对象的待处理图像,并发送给处理设备102,处理设备102配置有蒙版处理模型,可将待处理图像输入蒙版处理模型,获取待处理图像对应的前景蒙版;根据前景蒙版对待处理图像进行背景替换。
而蒙版处理模型的训练过程可如图1b所示,在该应用场景中还可包括处理设备103,其中图像采集设备101还可用于采集包含目标对象的样本图像,处理设备103可用于通过预设的深度估计模型获取所述样本图像对应的深度图,进而可将样本图像以及样本图像对应的深度图作为训练样本,发送给处理设备102,将训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化。其中处理设备103与处理设备102可以集成在一个设备中,也可在不同的设备中。在其他的应用场景中,也可从数据库等途径获取包含目标对象的样本图像。
此外,在另一种应用场景中,可以在采集样本图像时,通过深度图采集设备采集样本图像对应的深度图,再将样本图像以及样本图像对应的深度图作为训练样本,发送给处理设备102。
下面将结合具体实施例对本公开实施例提供的图像处理方法进行详细介绍。
参考图2,图2为本公开实施例提供的图像处理方法流程示意图。本实施例的方法可以应用在终端设备或服务器中,该图像处理方法可应用下述模型训练实施例得到的蒙版处理模型,该图像处理方法包括:
S201、获取包含目标对象的待处理图像。
在本实施例中,目标对象为需要进行蒙版处理的对象,可以是人像,也可以是动物图像、物品图像等。实际使用时,用户可以根据具体情况进行选择。
S202、将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版。
在本实施例中,可预先获取蒙版处理模型,其中,蒙版处理模型用于对输入的包含目标对象的图像(例如RGB图像)提取前景蒙版,前景蒙版是指待处理视频帧的透明度,通常用alpha表示,是由一个与图像大小相同、从0到1之间的浮点值构成的矩阵,用于限定目标对象在图像中的位置范围,如图3a所示。
其中,在一种可选实施例中,蒙版处理模型可如图3b所示,包括编码网络、解码网络和输出网络;编码网络用于从输入图像中提取编码特征;解码网络包括并行的前景(foreground,fg)解码子网络和背景(background,bg)解码子网络,前景解码子网络用于根据编码特征重构待处理视频帧的前景特征图,背景解码子网络用于根据编码特征重构待处理视频帧的背景特征图;输出网络用于根据前景特征图和背景特征图确定前景蒙版。
其中,编码网络优选基于卷积神经网络(CNN)、残差网络(ResNet)、密集卷积网络(DenseNeT)或MobileNet等网络结构来进行图像特征的提取。
其中,前景解码子网络和背景解码子网络的结构相同,权重各自独立且不共享。而且无论是前景解码子网络,还是背景解码子网络,其用于语义分割的第一反向特征提取层的数量与用于抠图的第二反向特征提取层的数量优选相同。
其中,语义分割(Semantic Segmentatiaon)是在像素级别上的分类,属于同一类的像素都要被归为一类,因此语义分割是从像素级别来理解图像的。抠图是用于预测图像的透明度,从而使图像的前景和背景分离,是一个回归问题。任一图像可通过以下公式表示:
image=fg*alpha+bg*(1-alpha)
其中,image为目标图像,fg为目标图像的前景,bg为目标图像的背景,alpha为目标图像的前景蒙版。
其中,输出网络用于通过拼接子网络对前景解码子网络输出的前景特征图和背景解码子网络输出的背景特征图进行拼接以得到前景权重;然后根据该前景权重、前景特征图和背景特征图确定前景蒙版。相较于仅根据前景特征图或背景特征图确定前景蒙版来说,减少了前景特征图或背景特征图的误差对前景蒙版质量的影响,有助于提高前景蒙版的质量。本公开实施例中,根据该前景权重、前景特征图和背景特征图确定前景蒙版的公式如下:
alpha=beta*F+(1-beta)*(1-B)
其中,F为前景特征图,B为背景特征图,beta为前景权重。
在一种可选实施例中,拼接子网络在完成拼接解码子网络输出的前景特征图和背景解码子网络输出的背景特征图的拼接之后,将拼接结果依次输入至少两个卷积层,比如三个卷积层,且最后一个卷积层为1×1的卷积层,从而使输出的前景蒙版格式为(1,H,W)。
在一种可选实施例中,该蒙版处理模型还包括设置于编码网络和解码网络之间的空洞空间卷积池化金子塔(Atrous Spatial Pyramid Pooling,简称ASPP)网络,该ASPP网络用于根据编码网络提取的图像特征以不同采样率的空洞卷积进行并行采样,以捕捉待处理视频帧的上下文。
当然,需要说明的是,蒙版处理模型并不限于上述列举的模型,还可以是其他的神经网络模型,本公开实施例中可不做限制。
在蒙版处理模型应用阶段,可获取包含目标对象的待处理图像,将待处理图像输入到蒙版处理模型,进而输出待处理图像对应的前景蒙版。
本实施例中,蒙版处理模型的编码网络用于从输入图像中提取编码特征,在编码网络的训练过程中引入深度信息(深度图)进行监督训练,因此蒙版处理模型在仅输入待处理图像而输入深度图的情况下可以提取到不同景深的编码特征,进而可以更好的通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和背景特征图确定所述待处理图像对应的前景蒙版,达到较好的图像处理效果,准确分割图像前景和背景。
S203、根据所述前景蒙版对所述待处理图像进行背景替换。
在本实施例中,在获取到前景蒙版后,可应用前景蒙版对待处理图像进行背景替换。
可选的,上述实施例提供的图像处理方法可应用于对视频背景替换的场景中,例如对人像背景提替换,人像背景替换是指从含有人像的自然图像或视频中精确地确定出前景人像,并将其与预设的背景图像融合起来。以生鲜货品的直播带货为例,可以通过人像背景替换,将主播与展示生鲜货品生产环境的视频融合在一起,这样既能增加直播的多样性和真实性,又能使观众看到主播的人像,从而提升观众购买相关货品的欲望。并且,蒙版处理模型无需输入深度图仍能准确的分割图像前景和背景,具有较好的模型效果,进而在蒙版处理模型应用阶段不需要再引入深度图采集设备的硬件成本,也减少了蒙版处理模型的输入,可节约带宽成本。
本实施例提供的图像处理方法,通过获取包含目标对象的待处理图像;将待处理图像输入蒙版处理模型,蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据前景特征图和背景特征图确定待处理图像对应的前景蒙版;根据前景蒙版对待处理图像进行背景替换。本实施例通过蒙版处理模型准确的提取待处理的编码特征,进而有效的重构前景特征和背景特征,可有效的提高前景蒙版的准确度,从而在根据前景蒙版对待处理图像进行背景替换后,可得到较高质量的图像,满足用户的审美需求。
可选的,S201所述的获取包含目标对象的待处理图像,具体可包括:
获取当前视频流,所述当定为包含目标对象的待处理图像。
在本实施例中,当前视频流可以为任意格式的视频流,本实施例不对视频帧格式进行限定,只要是现有图像格式即可,比如RGB格式。
进一步的,如图4所示,S203所述的根据所述前景蒙版对所述待处理图像进行背景替换之后,还包括:
S301、根据背景替换后的待处理图像更新所述当前视频流中的对应视频帧;
S302、将更新后的当前视频流发送至服务端,以由服务端下发至目标用户端。
在本实施例中,确定每一视频帧的前景蒙版之后,根据该前景蒙版对每一视频帧进行背景替换,以更新当前视频流的视频帧,从而更新当前视频流。
在一种可选实施例中,可以确定用户在背景替换模板库中选择的背景替换模板,或者接收用户上传的背景替换模板,然后根据该背景替换模板和该前景蒙版对待处理视频帧进行背景替换,以更新待处理视频帧,从而更新当前视频流。
进一步的,将更新后的当前视频流发送至服务端,以由服务端将当前视频流发送至目标用户端。可以理解的是,服务端的视频处理对象不仅仅包括当前视频流,也包括其他客户端上传的视频流,因此服务端会将各个客户端上传的视频流进行合流以生成视频合流数据,然后根据用户端的播放请求将视频合流数据中的相应视频流发送至对应用户端。
参考图5,图5为本公开实施例提供的图像处理方法流程示意图。本实施例的方法可以应用在终端设备或服务器等电子设备中,其中本实施例的终端设备或服务器可以与上述实施例相同,也可不同,该图像处理方法用于对上述实施例所述的蒙版处理面模型进行训练,具体可包括:
S401、获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
S402、将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络。
在本实施例中,在训练阶段蒙版处理模型如图6所示,包括编码网络、解码网络和输出网络;编码网络用于从输入图像中提取编码特征;解码网络包括并行的前景解码子网络和背景解码子网络,前景解码子网络用于根据编码特征重构待处理视频帧的前景特征图,背景解码子网络用于根据编码特征重构待处理视频帧的背景特征图;输出网络用于根据前景特征图和背景特征图确定前景蒙版。其中,蒙版处理模型各网络单元的处理过程可参见上述实施例,此处不再赘述。
由于蒙版处理模型的编码网络主要是学习一些基本的图像特征(基底),例如浅层的点、线、面,深层的人体的四肢等特征,最终根据任务目标来融合这些基底,得到结果;而在编码网络中间层引入深度信息,可以辅助模型去学习不同景深的特征基底,例如目标对象近处的特征和较远的特征(如近处的人体特征和较远的人体特征);而解码网络属于深层的特征,使用深度辅助信息不利于特征的构建,因此本实施例在蒙版处理模型训练过程中,仅对编码网络的训练引入深度信息(深度图)进行监督训练,而解码网络和输出网络在训练过程中不引入深度信息进行监督训练,也即获取训练样本集合时,训练样本包括包含目标对象的样本图像以及样本图像对应的深度图,将训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化。
需要说明的是,蒙版处理模型其他部分的训练此处不做限定,可在对蒙版处理模型的编码网络进行训练同时也对其他部分进行训练,当然也可在在对蒙版处理模型的编码网络训练之后再对其他部分进行训练。相应的,训练样本中可包括对其他部分进行训练的样本,此处不做限定。
进一步的,在本实施例的基础上,由于蒙版处理模型的编码网络训练引入深度信息(深度图)进行监督训练,从而使得编码网络能够对输入图像提取到不同景深的编码特征,有利于图像特征基底的构建,因此在应用蒙版处理模型进行图像处理时,可仅仅输入包含目标对象的待处理图像(如RGB图像),而不需要再同时输入待处理图像对应的深度图,仍可达到较好的图像处理效果,准确分割图像前景和背景,进而不需要再引入深度图采集设备的硬件成本,也减少了蒙版处理模型的输入,可节约带宽成本。
本实施例提供的图像处理方法,通过获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;将训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络。本实施例中对蒙版处理模型的编码网络训练引入深度信息进行监督训练,使得蒙版处理模型能够在不输入深度图的前提下仍能准确的分割图像前景和背景,具有较好的模型效果,进而在蒙版处理模型应用阶段不需要再引入深度图采集设备的硬件成本,也减少了蒙版处理模型的输入,可节约带宽成本。
在上述任一实施例的基础上,如图7所示,S402所述对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,具体可包括:
S501、获取所述编码网络对所述样本图像提取的编码特征;
S502、根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
在本实施例中,样本图像输入到蒙版处理模型后,由编码网络对样本图像提取编码特征,而训练过程中希望编码网络尽可能的能够学习到不同景深的编码特征,例如浅层的点、线、面,深层的人体的四肢等特征,因此基于编码网络输出的编码特征以及样本图像对应的深度图,获取第一预设损失函数值,进而根据第一预设损失函数值对编码网络的模型参数进行优化。
其中,可选的,所述第一预设损失函数为最小绝对值偏差。最小绝对值偏差又称为L1范数损失函数,简称L1损失函数。它是将目标值与预测值的绝对差值的总和最小化,具体公式如下:
其中,y(i)为目标值,为预测值。
在上述任一实施例的基础上,如图6所示,所述编码网络包括多个编码层,对输入图像进行多个阶段的下采样,作为示例,图6中包括4个编码层:E、E4、E8、E16,任一编码层可对输入图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到对应的编码特征其中,不同编码层对应的目标尺寸不同,举例如下:
编码层E:将输入图像下采样至原图大小,并经过以一个1x1Conv,将channel数转换成1,shape为(1,H,W);
编码层E4:将输入图像下采样至原图大小的1/4,并经过一个1x1Conv,将channel数转换成1,shape为(1,H/4,W/4);
编码层E8:将输入图像下采样至原图大小的1/8,并经过一个1x1Conv,将channel数转换成1,shape为(1,H/8,W/8);
编码层E16:将输入图像下采样至原图大小的1/16,并经过一个1x1Conv,将channel数转换成1,shape为(1,H/16,W/16)。
进一步的,S501所述获取所述编码网络对所述样本图像提取的编码特征,具体可包括:
对于任一所述编码层,将所述样本图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到所述编码层对应的编码特征,其中,不同编码层对应的目标尺寸不同;
进一步的,如图8所示,所述根据所述编码特征以及所述样本图像对应的深度图获取损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化,包括:
S601、将所述样本图像对应的深度图调整至所述编码层对应的目标尺寸;
S602、根据所述编码层对应的编码特征、以及调整至所述目标尺寸后的深度图,获取第一预设损失函数值,并根据第一预设损失函数值对所述编码层的模型参数进行优化。
在本实施例中,在计算第一预设函数损失值时,可针对某一编码层,将深度图也有调整(resize)至该编码层对应的目标尺寸,进而获取该编码层输出的编码特征与调整至所述目标尺寸后的深度图之间的第一预设损失函数值,并根据第一预设损失函数值对该编码层的模型参数进行优化。举例来说,样本图像对应的深度图shape为(1,H,W),可分别调整(resize)至编码层E4、E8、E16对应的目标尺寸,进而分别获取编码层E4、E8、E16对应的第一预设损失函数值。
在上述任一实施例的基础上,S401所述获取训练样本集合,具体可包括:
在采集样本图像时,通过深度图采集设备采集所述样本图像对应的深度图;或者
将样本图像输入预设的深度估计模型,获取所述样本图像对应的深度图。
本实施例中,在获取训练样本时,可以在采集样本图像时通过深度图采集设备采集样本图像对应的深度图,其中可对齐样本图像与深度图的视差和信息流;或者,也可仅采集样本图像,再通过深度估计模型(depth model)获取样本图像对应的深度图,其中深度估计模型可以包括但不限于Midas、monodepth、monodepth2等模型。
在上述任一实施例的基础上,本实施例提供的图像处理方法还可对蒙版处理模型的其他部分进行训练,相应的,所述训练样本集合中的训练样本还包括样本图像对应的模板图像,所述模板图像包括对应前景蒙版的前景训练模板以及与所述前景训练模板对应的背景训练模板;所述方法还包括:
对所述蒙版处理模型的解码网络和输出网络进行训练,并基于第二预设损失函数进行编码网络的模型参数进行优化,其中,所述解码网络用于根据编码特征重构前景特征图及背景特征图,所述输出网络用于根据所述前景特征图和所述背景特征图确定前景蒙版。
在本实施例中,前景训练模板的格式为(1,H,W),是与样本图像对应的前景蒙版,或者是与样本图像对应的图像掩模。其中,图像掩模的像素值非0即1。对前景训练模板进行取反处理,以生成与前景训练模板对应的背景训练模板;将该背景训练模板添加至训练样本集合中,并令该前景训练模板和背景训练模板的非零像素值均大于预设阈值,比如0.05,以更新训练样本集合。
在上述实施例的基础上,所述解码网络包括并行的前景解码子网络和背景解码子网络,所述前景解码子网络用于根据编码特征重构前景特征图,所述背景解码子网络用于根据编码特征重构背景特征图;
所述前景解码子网络和所述背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。
为了提高前景特征图和背景特征图的重构效果,本公开实施例的前景解码子网络和背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。可以理解的是,通过用于语义分割的第一方向特征提取层可以从对应特征图中提取目标对象图像的轮廓信息,通过用于抠图的第二反向特征提取层可以从携带有目标对象图像的轮廓信息的对应特征图中提取目标对象图像的细节信息,从而提高相应特征图的重构效果,使其在包含目标对象图像整体性信息的同时,还包含目标对象的边缘细节信息,而相应特征图重构效果的提高可以显著提高前景蒙版的准确性。进一步的,先确定目标对象的轮廓信息,再确定目标对象的细节信息,可以减小第二反向特征提取层的图像处理运算量,而图像处理运算量的减少可以提高第二反向特征提取层的图像处理速度,因此本实施例可以在保证较高的图像处理速度的情况下,通过提高前景特征图和背景特征图的重构效果,提高前景蒙版的图像质量。本公开实施例中,前景解码子网络包含的用于语义分割的第一方向特征提取层优选与用于抠图的第二方向特征提取层的数量相同。
在一种可选实施例中,前景解码子网络和背景解码子网络均包括两个用于语义分割的第一反向特征提取层,以从相应特征图中提取目标对象的轮廓,以及连接在该两个用于语义分割的第一反向特征提取层后面的两个用于抠图的第二反向特征提取层,该反向特征提取层用于对携带有目标对象轮廓信息的特征图进行抠图,以获取目标对象的细节信息。
对于前景解码子网络来说,如图6所示,标识为F8和标识为F4的第一反向特征提取层均为用于语义分割的第一反向特征提取层;标识分别为F2和F的反向特征提取层为用于抠图的第二反向特征提取层;具体地,标识为F8的第一反向特征提取层用于将所接收的特征图上采样至原图大小的1/8,并对其进行语义分割以得到第一分割特征图,然后经过一个1×1的卷积层,将该第一分割特征图的通道数转换成1,格式变为(1,H/8,W/8);相应的,标识为F4的第一反向特征提取层用于将所接收的第一分割特征图上采样至原图大小的1/4,并对其进行语义分割以得到第二分割特征图,然后经过一个1×1的卷积层,将该第二分割特征图的通道数转换成1,格式变为(1,H/4,W/4);标识为F2的第二反向特征提取层用于将所接收的第二分割特征图上采样至原图大小的1/2,并对其进行人像抠图以得到第一抠图特征图,然后经过一个1×1的卷积层,将该第一抠图特征图的通道数转换成1,格式变为(1,H/2,W/2);标识为F的第二反向特征提取层用于将所接收的特征图上采样至原图大小,并对其进行人像抠图以得到前景特征图,然后经过一个1×1的卷积层,将该前景特征图的通道数转换成1,格式变为(1,H,W)。需要说明的是,由于前景解码子网络与背景解码子网络的结构相同,因此本实施例在此不对背景解码子网络进行详细地说明。
在上述实施例的基础上,在训练过程中,用于语义分割的第一反向特征提取层使用的第二预设损失函数为二分类交叉熵损失函数;用于抠图的第二反向特征提取层使用的第二预设损失函数为最小绝对值偏差。其中,采用交叉熵损失函数来衡量用于语义分割的第一反向特征提取层的预测值与目标值之间的差异程度,交叉熵损失函数用于度量目标值与预测值两个概率分布间的差异性信息,交叉熵越小,说明两者之间越接近;而最小绝对值偏差可参见上述实施例,此处不再赘述。通过上述训练,可以提高并行的前景解码子网络和背景解码子网络预测相应前景特征图和背景特征图的能力,从而提高输出网络根据前景特征图和背景特征图预测前景蒙版的能力,从而使蒙版处理模型在训练完毕之后,能够准确提取待处理视频帧中的目标对象图像的前景蒙版。
需要说明的是,对于对蒙版处理模型的解码网络和输出网络进行训练方式并不限于上述举例,还可引入对图像边缘的监督、对梯度差值的监督等等,此处不再一一赘述。
对应于上文实施例的图像处理方法,图9为本公开实施例提供的图像处理设备的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图9,所述图像处理设备800包括:获取单元801、处理单元802以及替换单元803。
获取单元801,用于获取包含目标对象的待处理图像;
处理单元802,用于将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
替换单元803,用于根据所述前景蒙版对所述待处理图像进行背景替换。
根据本公开的一个或多个实施例,所述获取单元801在获取包含目标对象的待处理图像时,用于:
获取当前视频流,所述当前视频流包括至少一帧包含目标对象的视频帧,将包含目标对象的视频帧确定为包含目标对象的待处理图像;
所述替换单元803在根据所述前景蒙版对所述待处理图像进行背景替换后,还用于:
根据背景替换后的待处理图像更新所述当前视频流中的对应视频帧;
将更新后的当前视频流发送至服务端,以由服务端下发至目标用户端。
根据本公开的一个或多个实施例,获取单元801还用于获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
所述图像处理设备还包括训练单元804,用于将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络。
根据本公开的一个或多个实施例,所述训练单元804在对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化时,用于:
获取所述编码网络对所述样本图像提取的编码特征;
根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
根据本公开的一个或多个实施例,所述编码网络包括多个编码层;所述训练单元804在获取所述编码网络对所述样本图像提取的编码特征时,用于:
对于任一所述编码层,将所述样本图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到所述编码层对应的编码特征,其中,不同编码层对应的目标尺寸不同;
所述训练单元804在根据所述编码特征以及所述样本图像对应的深度图获取损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化时,用于:
将所述样本图像对应的深度图调整至所述编码层对应的目标尺寸;
根据所述编码层对应的编码特征、以及调整至所述目标尺寸后的深度图,获取第一预设损失函数值,并根据第一预设损失函数值对所述编码层的模型参数进行优化。
根据本公开的一个或多个实施例,所述获取单元801在获取训练样本集合时,用于:
在采集样本图像时,通过深度图采集设备采集所述样本图像对应的深度图;或者
将样本图像输入预设的深度估计模型,获取所述样本图像对应的深度图。
根据本公开的一个或多个实施例,所述第一预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述训练样本集合中的训练样本还包括样本图像对应的模板图像,所述模板图像包括对应前景蒙版的前景训练模板以及与所述前景训练模板对应的背景训练模板;所述训练单元804还用于:
对所述蒙版处理模型的解码网络和输出网络进行训练,并基于第二预设损失函数进行编码网络的模型参数进行优化,其中,所述解码网络用于根据编码特征重构前景特征图及背景特征图,所述输出网络用于根据所述前景特征图和所述背景特征图确定前景蒙版。
根据本公开的一个或多个实施例,所述解码网络包括并行的前景解码子网络和背景解码子网络,所述前景解码子网络用于根据编码特征重构前景特征图,所述背景解码子网络用于根据编码特征重构背景特征图;
所述前景解码子网络和所述背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。
根据本公开的一个或多个实施例,用于语义分割的第一反向特征提取层使用的第二预设损失函数为二分类交叉熵损失函数;用于抠图的第二反向特征提取层使用的第二预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述替换单元803在根据所述前景蒙版对所述待处理图像进行背景替换之前,还用于:
接收用户上传的背景替换模板或者确定用户在背景替换模板库中选择的背景替换模板;
所述根据所述前景蒙版对所述待处理图像进行背景替换,包括:
根据所述背景替换模板和所述前景蒙版对所述待处理图像进行背景替换。
本实施例提供的图像处理设备,可用于执行上述模型应用过程的图像处理方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
参考图10,其示出了适于用来实现本公开实施例的电子设备900的结构示意图,该电子设备900可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(Portable MediaPlayer,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图10示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(Read Only Memory,简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random Access Memory,简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置908;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置908被安装,或者从ROM902被安装。在该计算机程序被处理装置901执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
第一方面,根据本公开的一个或多个实施例,提供了一种图像处理方法,包括:
获取包含目标对象的待处理图像;
将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
根据所述前景蒙版对所述待处理图像进行背景替换。
根据本公开的一个或多个实施例,所述获取包含目标对象的待处理图像,包括:
获取当前视频流,所述当前视频流包括至少一帧包含目标对象的视频帧,将包含目标对象的视频帧确定为包含目标对象的待处理图像;
所述根据所述前景蒙版对所述待处理图像进行背景替换后,还包括:
根据背景替换后的待处理图像更新所述当前视频流中的对应视频帧;
将更新后的当前视频流发送至服务端,以由服务端下发至目标用户端。
根据本公开的一个或多个实施例,所述蒙版处理模型通过以下训练方法训练而成,该训练方法包括:
获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络。
根据本公开的一个或多个实施例,所述对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,包括:
获取所述编码网络对所述样本图像提取的编码特征;
根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
根据本公开的一个或多个实施例,所述编码网络包括多个编码层;所述获取所述编码网络对所述样本图像提取的编码特征,包括:
对于任一所述编码层,将所述样本图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到所述编码层对应的编码特征,其中,不同编码层对应的目标尺寸不同;
所述根据所述编码特征以及所述样本图像对应的深度图获取损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化,包括:
将所述样本图像对应的深度图调整至所述编码层对应的目标尺寸;
根据所述编码层对应的编码特征、以及调整至所述目标尺寸后的深度图,获取第一预设损失函数值,并根据第一预设损失函数值对所述编码层的模型参数进行优化。
根据本公开的一个或多个实施例,所述获取训练样本集合,包括:
在采集样本图像时,通过深度图采集设备采集所述样本图像对应的深度图;或者
将样本图像输入预设的深度估计模型,获取所述样本图像对应的深度图。
根据本公开的一个或多个实施例,所述第一预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述训练样本集合中的训练样本还包括样本图像对应的模板图像,所述模板图像包括对应前景蒙版的前景训练模板以及与所述前景训练模板对应的背景训练模板;所述方法还包括:
对所述蒙版处理模型的解码网络和输出网络进行训练,并基于第二预设损失函数进行编码网络的模型参数进行优化,其中,所述解码网络用于根据编码特征重构前景特征图及背景特征图,所述输出网络用于根据所述前景特征图和所述背景特征图确定前景蒙版。
根据本公开的一个或多个实施例,所述解码网络包括并行的前景解码子网络和背景解码子网络,所述前景解码子网络用于根据编码特征重构前景特征图,所述背景解码子网络用于根据编码特征重构背景特征图;
所述前景解码子网络和所述背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。
根据本公开的一个或多个实施例,用于语义分割的第一反向特征提取层使用的第二预设损失函数为二分类交叉熵损失函数;用于抠图的第二反向特征提取层使用的第二预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述根据所述前景蒙版对所述待处理图像进行背景替换之前,还包括:
接收用户上传的背景替换模板或者确定用户在背景替换模板库中选择的背景替换模板;
所述根据所述前景蒙版对所述待处理图像进行背景替换,包括:
根据所述背景替换模板和所述前景蒙版对所述待处理图像进行背景替换。
第二方面,根据本公开的一个或多个实施例,提供了一种图像处理设备,包括:
获取单元,用于获取包含目标对象的待处理图像;
处理单元,用于将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
替换单元,用于根据所述前景蒙版对所述待处理图像进行背景替换。
根据本公开的一个或多个实施例,所述获取单元在获取包含目标对象的待处理图像时,用于:
获取当前视频流,所述当前视频流包括至少一帧包含目标对象的视频帧,将包含目标对象的视频帧确定为包含目标对象的待处理图像;
所述替换单元在根据所述前景蒙版对所述待处理图像进行背景替换后,还用于:
根据背景替换后的待处理图像更新所述当前视频流中的对应视频帧;
将更新后的当前视频流发送至服务端,以由服务端下发至目标用户端。
根据本公开的一个或多个实施例,所述获取单元还用于获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
所述图像处理设备还包括训练单元,用于将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络。
根据本公开的一个或多个实施例,所述训练单元在对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化时,用于:
获取所述编码网络对所述样本图像提取的编码特征;
根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
根据本公开的一个或多个实施例,所述编码网络包括多个编码层;所述训练单元在获取所述编码网络对所述样本图像提取的编码特征时,用于:
对于任一所述编码层,将所述样本图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到所述编码层对应的编码特征,其中,不同编码层对应的目标尺寸不同;
所述训练单元在根据所述编码特征以及所述样本图像对应的深度图获取损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化时,用于:
将所述样本图像对应的深度图调整至所述编码层对应的目标尺寸;
根据所述编码层对应的编码特征、以及调整至所述目标尺寸后的深度图,获取第一预设损失函数值,并根据第一预设损失函数值对所述编码层的模型参数进行优化。
根据本公开的一个或多个实施例,所述获取单元在获取训练样本集合时,用于:
在采集样本图像时,通过深度图采集设备采集所述样本图像对应的深度图;或者
将样本图像输入预设的深度估计模型,获取所述样本图像对应的深度图。
根据本公开的一个或多个实施例,所述第一预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述训练样本集合中的训练样本还包括样本图像对应的模板图像,所述模板图像包括对应前景蒙版的前景训练模板以及与所述前景训练模板对应的背景训练模板;所述训练单元还用于:
对所述蒙版处理模型的解码网络和输出网络进行训练,并基于第二预设损失函数进行编码网络的模型参数进行优化,其中,所述解码网络用于根据编码特征重构前景特征图及背景特征图,所述输出网络用于根据所述前景特征图和所述背景特征图确定前景蒙版。
根据本公开的一个或多个实施例,所述解码网络包括并行的前景解码子网络和背景解码子网络,所述前景解码子网络用于根据编码特征重构前景特征图,所述背景解码子网络用于根据编码特征重构背景特征图;
所述前景解码子网络和所述背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。
根据本公开的一个或多个实施例,用于语义分割的第一反向特征提取层使用的第二预设损失函数为二分类交叉熵损失函数;用于抠图的第二反向特征提取层使用的第二预设损失函数为最小绝对值偏差。
根据本公开的一个或多个实施例,所述替换单元在根据所述前景蒙版对所述待处理图像进行背景替换之前,还用于:
接收用户上传的背景替换模板或者确定用户在背景替换模板库中选择的背景替换模板;
所述根据所述前景蒙版对所述待处理图像进行背景替换,包括:
根据所述背景替换模板和所述前景蒙版对所述待处理图像进行背景替换。
第三方面,根据本公开的一个或多个实施例,提供了一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
第四方面,根据本公开的一个或多个实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
第五方面,根据本公开的一个或多个实施例,提供了一种计算机程序产品,包括计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种图像处理方法,其特征在于,包括:
获取包含目标对象的待处理图像;
将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
根据所述前景蒙版对所述待处理图像进行背景替换;
所述蒙版处理模型通过以下训练方法训练而成,该训练方法包括:
获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络;
所述对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,包括:
获取所述编码网络对所述样本图像提取的编码特征;
根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
2.根据权利要求1所述的方法,其特征在于,所述获取包含目标对象的待处理图像,包括:
获取当前视频流,所述当前视频流包括至少一帧包含目标对象的视频帧,将包含目标对象的视频帧确定为包含目标对象的待处理图像;
所述根据所述前景蒙版对所述待处理图像进行背景替换后,还包括:
根据背景替换后的待处理图像更新所述当前视频流中的对应视频帧;
将更新后的当前视频流发送至服务端,以由服务端下发至目标用户端。
3.根据权利要求1所述的方法,其特征在于,所述编码网络包括多个编码层;所述获取所述编码网络对所述样本图像提取的编码特征,包括:
对于任一所述编码层,将所述样本图像下采样至目标尺寸,并经过卷积处理将图像通道数转换成1,得到所述编码层对应的编码特征,其中,不同编码层对应的目标尺寸不同;
所述根据所述编码特征以及所述样本图像对应的深度图获取损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化,包括:
将所述样本图像对应的深度图调整至所述编码层对应的目标尺寸;
根据所述编码层对应的编码特征、以及调整至所述目标尺寸后的深度图,获取第一预设损失函数值,并根据第一预设损失函数值对所述编码层的模型参数进行优化。
4.根据权利要求1所述的方法,其特征在于,所述获取训练样本集合,包括:
在采集样本图像时,通过深度图采集设备采集所述样本图像对应的深度图;或者
将样本图像输入预设的深度估计模型,获取所述样本图像对应的深度图。
5.根据权利要求1所述的方法,其特征在于,所述第一预设损失函数为最小绝对值偏差。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述训练样本集合中的训练样本还包括样本图像对应的模板图像,所述模板图像包括对应前景蒙版的前景训练模板以及与所述前景训练模板对应的背景训练模板;所述方法还包括:
对所述蒙版处理模型的解码网络和输出网络进行训练,并基于第二预设损失函数进行编码网络的模型参数进行优化,其中,所述解码网络用于根据编码特征重构前景特征图及背景特征图,所述输出网络用于根据所述前景特征图和所述背景特征图确定前景蒙版。
7.根据权利要求6所述的方法,其特征在于,所述解码网络包括并行的前景解码子网络和背景解码子网络,所述前景解码子网络用于根据编码特征重构前景特征图,所述背景解码子网络用于根据编码特征重构背景特征图;
所述前景解码子网络和所述背景解码子网络分别包含顺序连接的至少一个用于语义分割的第一反向特征提取层以及至少一个用于抠图的第二反向特征提取层。
8.根据权利要求6所述的方法,其特征在于,用于语义分割的第一反向特征提取层使用的第二预设损失函数为二分类交叉熵损失函数;用于抠图的第二反向特征提取层使用的第二预设损失函数为最小绝对值偏差。
9.根据权利要求1或2所述的方法,其特征在于,所述根据所述前景蒙版对所述待处理图像进行背景替换之前,还包括:
接收用户上传的背景替换模板或者确定用户在背景替换模板库中选择的背景替换模板;
所述根据所述前景蒙版对所述待处理图像进行背景替换,包括:
根据所述背景替换模板和所述前景蒙版对所述待处理图像进行背景替换。
10.一种图像处理设备,其特征在于,包括:
获取单元,用于获取包含目标对象的待处理图像;
处理单元,用于将所述待处理图像输入蒙版处理模型,所述蒙版处理模型包括编码网络、解码网络及输出网络,以通过编码网络对待处理图像提取编码特征,通过解码网络根据编码特征重构前景特征图及背景特征图,通过输出网络根据所述前景特征图和所述背景特征图确定所述待处理图像对应的前景蒙版;
替换单元,用于根据所述前景蒙版对所述待处理图像进行背景替换;
所述蒙版处理模型通过以下训练方法训练而成:
获取训练样本集合,其中,所述训练样本集合中的训练样本包括包含目标对象的样本图像以及样本图像对应的深度图;
将所述训练样本集合中的训练样本输入待训练的蒙版处理模型,对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,其中,所述编码网络为对输入图像提取编码特征的神经网络;
所述对蒙版处理模型的编码网络进行训练,以基于第一预设损失函数对编码网络的模型参数进行优化,包括:
获取所述编码网络对所述样本图像提取的编码特征;
根据所述编码特征以及所述样本图像对应的深度图获取第一预设损失函数值,并根据第一预设损失函数值对所述编码网络的模型参数进行优化。
11.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-9任一项所述的图像处理方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-9任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110988785.8A CN113689372B (zh) | 2021-08-26 | 2021-08-26 | 图像处理方法、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110988785.8A CN113689372B (zh) | 2021-08-26 | 2021-08-26 | 图像处理方法、设备、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689372A CN113689372A (zh) | 2021-11-23 |
CN113689372B true CN113689372B (zh) | 2023-09-26 |
Family
ID=78583116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110988785.8A Active CN113689372B (zh) | 2021-08-26 | 2021-08-26 | 图像处理方法、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689372B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018734B (zh) * | 2022-07-15 | 2023-10-13 | 北京百度网讯科技有限公司 | 视频修复方法和视频修复模型的训练方法、装置 |
CN115331264B (zh) * | 2022-10-13 | 2023-01-31 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于神经网络的矿山工人安全识别管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728682A (zh) * | 2019-09-09 | 2020-01-24 | 浙江科技学院 | 一种基于残差金字塔池化神经网络的语义分割方法 |
CN111047630A (zh) * | 2019-11-13 | 2020-04-21 | 芯启源(上海)半导体科技有限公司 | 神经网络和基于神经网络的目标检测及深度预测方法 |
CN112232358A (zh) * | 2020-09-07 | 2021-01-15 | 浙江科技学院 | 一种跨模态增强并改善损失函数的显著性检测方法 |
CN113034648A (zh) * | 2021-04-30 | 2021-06-25 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备和存储介质 |
-
2021
- 2021-08-26 CN CN202110988785.8A patent/CN113689372B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728682A (zh) * | 2019-09-09 | 2020-01-24 | 浙江科技学院 | 一种基于残差金字塔池化神经网络的语义分割方法 |
CN111047630A (zh) * | 2019-11-13 | 2020-04-21 | 芯启源(上海)半导体科技有限公司 | 神经网络和基于神经网络的目标检测及深度预测方法 |
CN112232358A (zh) * | 2020-09-07 | 2021-01-15 | 浙江科技学院 | 一种跨模态增强并改善损失函数的显著性检测方法 |
CN113034648A (zh) * | 2021-04-30 | 2021-06-25 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113689372A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113689372B (zh) | 图像处理方法、设备、存储介质及程序产品 | |
CN111598902B (zh) | 图像分割方法、装置、电子设备及计算机可读介质 | |
CN111292420B (zh) | 用于构建地图的方法和装置 | |
CN110298851B (zh) | 人体分割神经网络的训练方法及设备 | |
CN113034648A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN112381717A (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN114519667A (zh) | 一种图像超分辨率重建方法及系统 | |
CN110310293B (zh) | 人体图像分割方法及设备 | |
CN114399814A (zh) | 一种基于深度学习的遮挡物移除和三维重建方法 | |
CN111311609B (zh) | 一种图像分割方法、装置、电子设备及存储介质 | |
CN110689478B (zh) | 图像风格化处理方法、装置、电子设备及可读介质 | |
CN110288691B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN112714263A (zh) | 视频生成方法、装置、设备及存储介质 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN111784726A (zh) | 人像抠图方法和装置 | |
CN112070888B (zh) | 图像生成方法、装置、设备和计算机可读介质 | |
CN114494574A (zh) | 一种多损失函数约束的深度学习单目三维重建方法及系统 | |
CN115829827A (zh) | 人脸图像处理方法、装置、设备及介质 | |
CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN114821216A (zh) | 图片去网纹神经网络模型建模、使用方法及相关设备 | |
CN112884794B (zh) | 生成图像方法、装置、电子设备和计算机可读介质 | |
CN116152233B (zh) | 图像处理方法、智能终端及存储介质 | |
CN111583283B (zh) | 图像分割方法、装置、电子设备及介质 | |
CN113269865B (zh) | 隧道掌子面地下水出水特征智能识别方法及地下水状态分级方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |