CN116740510A - 图像处理方法、模型训练方法及装置 - Google Patents
图像处理方法、模型训练方法及装置 Download PDFInfo
- Publication number
- CN116740510A CN116740510A CN202310272633.7A CN202310272633A CN116740510A CN 116740510 A CN116740510 A CN 116740510A CN 202310272633 A CN202310272633 A CN 202310272633A CN 116740510 A CN116740510 A CN 116740510A
- Authority
- CN
- China
- Prior art keywords
- feature
- feature map
- fusion
- network
- sub
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012549 training Methods 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 386
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims description 127
- 238000005070 sampling Methods 0.000 claims description 63
- 238000010586 diagram Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 101150064138 MAP1 gene Proteins 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、模型训练方法及装置,涉及人工智能领域,尤其涉及图像处理、深度学习领域。实现方案为:对待处理图像进行第一特征提取,以获得多个第一特征图;对多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图;对多个第二特征图进行特征融合,以获取第一融合特征图;基于第一融合特征图进行语义特征提取,以获取第一全局语义特征;对第一融合特征图和第一全局语义特征进行特征融合,以获取第二融合特征图;基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图;以及基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩。
Description
技术领域
本公开涉及人工智能领域,尤其涉及图像处理、深度学习领域,具体涉及一种图像处理方法、模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
图像抠图是一门从影像中将前景撷取出来的技术,而人像抠图是图像抠图应用最为广泛的一种场景,具体的应用有图像编辑、海报制作、直播、视频会议、影视特效等等。正常认为一幅图像由三部分构成:前景、背景和alpha遮罩。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:对待处理图像进行第一特征提取,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;对多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;对多个第二特征图进行特征融合,以获取第一融合特征图;基于第一融合特征图进行语义特征提取,以获取第一全局语义特征;对第一融合特征图和第一全局语义特征进行特征融合,以获取第二融合特征图;基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;以及基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩。
根据本公开的另一方面,提供了一种模型训练方法,模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,模型训练方法包括:获取样本数据,样本数据包括样本图像以及样本标签,样本标签用于标注样本图像中目标图像的所在区域;将样本数据输入第一特征提取网络,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;将多个第一特征图相应地输入多个第一采样子网络进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;将多个第二特征图输入第一融合子网络进行特征融合,以获取第一融合特征图;将第一融合特征图输入第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;将第一融合特征图和第一全局语义特征输入第二融合子网络进行特征融合,以获取第二融合特征图;将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;至少将第三融合特征图输入输出网络,以获取目标图像的遮罩预测结果;以及基于遮罩预测结果和样本标签,调整模型的参数。
根据本公开的另一方面,提供了一种图像处理装置,包括:第一提取单元,被配置为对待处理图像进行第一特征提取,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;第一采样单元,被配置为对多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;第一融合单元,被配置为对多个第二特征图进行特征融合,以获取第一融合特征图;第二提取单元,被配置为基于第一融合特征图进行语义特征提取,以获取第一全局语义特征;第二融合单元,被配置为对第一融合特征图和第一全局语义特征进行特征融合,以获取第二融合特征图;第三融合单元,被配置为基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;以及第一预测单元,被配置为基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩。
根据本公开的另一方面,提供了一种模型训练装置,模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,模型训练装置包括:第一获取单元,被配置为获取样本数据,样本数据包括样本图像以及样本标签,样本标签用于标注样本图像中目标图像的所在区域;第一输入单元,被配置为将样本数据输入第一特征提取网络,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;第二输入单元,被配置为将多个第一特征图相应地输入多个第一采样子网络进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;第三输入单元,被配置为将多个第二特征图输入第一融合子网络进行特征融合,以获取第一融合特征图;第四输入单元,被配置为将第一融合特征图输入第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;第五输入单元,被配置为将第一融合特征图和第一全局语义特征输入第二融合子网络进行特征融合,以获取第二融合特征图;第六输入单元,被配置为将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;第二预测单元,被配置为至少将第三融合特征图输入输出网络,以获取目标图像的遮罩预测结果;以及调整单元,被配置为基于遮罩预测结果和样本标签,调整模型的参数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述图像处理方法或模型训练方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述图像处理方法或模型训练方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述图像处理方法或模型训练方法。
根据本公开的一个或多个实施例,能够通过首先对多种分辨率的第一特征图进行下采样到同一分辨率,并进行融合以进行全局语义特征提取;随后基于包含全局语义特征的第二融合特征图与至少一个第一特征图进行特征融合,以将空间注意力特征信息提取并融合到第三融合特征中,从而能够在保证遮罩预测准确度的同时,降低计算量,提升预测效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的图像抠图示意图;
图4示出了根据本公开的实施例的获取第一全局语义特征的流程图;
图5A示出了根据本公开的示例性实施例的第一特征融合网络的结构示意图;
图5B示出了根据本公开的示例性实施例的第二语义提取子网络532的结构示意图;
图6示出了根据本公开的实施例的获取第三融合特征图的流程图;
图7A示出了根据本公开的示例性实施例的第二特征融合网络的结构示意图;
图7B示出了根据本公开的示例性实施例的第一特征提取子网络的结构示意图;
图8示出了根据本公开的实施例的第一更新操作的流程图;
图9示出了根据本公开的示例性实施例的第五融合子网络的结构示意图;
图10示出了根据本公开的实施例的第二更新操作的流程图;
图11A示出了根据本公开的示例性实施例的用于进行图像处理的模型的结构示意图;
图11B示出了应用本公开的示例性实施例的分辨率为待处理图像的1/16这一层级的第五融合子网络中所涉及的特征图的可视化结果;
图12示出了根据本公开的实施例的模型训练方法的流程图;
图13示出了根据本公开的实施例的图像处理装置的结构框图;
图14示出了根据本公开的实施例的模型训练装置的结构框图;
图15示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行本公开的图像处理方法或模型训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取待处理图像或对待处理图像进行图像处理,以获得图像中的目标图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的实施例,如图2所示,提供了一种图像处理方法,包括:
步骤S201、对待处理图像进行第一特征提取,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;
步骤S202、对多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;
步骤S203、对多个第二特征图进行特征融合,以获取第一融合特征图;
步骤S204、基于第一融合特征图进行语义特征提取,以获取第一全局语义特征;
步骤S205、对第一融合特征图和第一全局语义特征进行特征融合,以获取第二融合特征图;
步骤S206、基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;以及
步骤S207、基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩。
根据本公开的实施例,通过首先对多种分辨率的第一特征图进行下采样到同一分辨率,并进行融合以进行全局语义特征提取;随后基于包含全局语义特征的第二融合特征图与至少一个第一特征图进行特征融合,以将空间注意力特征信息提取并融合到第三融合特征中,从而能够在保证遮罩预测准确度的同时,降低计算量,提升预测效率。
通常认为一幅图像由三部分构成:前景、背景和alpha遮罩(也即上述遮罩),具体可以由以下方程进行表示:
I=αF+(1-α)B
其中I、α、F、B分别表示图像、alpha遮罩、前景图像、背景图像。图像抠图的目的就是获得上述方程中的alpha遮罩。
图3示出了根据本公开的实施例的图像抠图示意图。如图3所示,对待处理图像301进行处理,以获取alpha遮罩302,随后基于该alpha遮罩302,即可提取待处理图像301中的前景图像303(也即目标图像)。
在一些实施例中,首先可以应用第一特征提取网络对待处理图像进行特征提取,以获取多个第一特征图。
在一些实施例中,第一特征提取网络例如可以为骨干网络,例如VGG16网络、Resnet50网络等。
在一些实施例中,多个第一特征图的分辨率可以分别为待处理图像的分辨率的1/2、1/4、1/8、1/16、1/32。
在一些实施例中,多个第一特征图的分辨率可以分别为待处理图像的分辨率的1/4、1/8、1/16、1/32。通过不对分辨率为待处理图像分辨率的1/2的第一特征图进行语义特征提取,从而在降低数据处理量的同时,提升预测准确度。
在一些实施例中,可以将上述多个不同分辨率的第一特征图分别输入不同尺度的多个第一采样子网络中进行下采样,以将多个第一特征图的分辨率进行统一以获得多个第二特征图,例如可以统一为待处理图像的1/64。
在一些实施例中,可以进一步对多个第二特征图进行特征融合,以获取第一融合特征图,从而进一步降低数据处理量。
在一些实施例中,对多个第二特征图进行特征融合可以为,首先对多个第二特征图进行拼接,随后将拼接后的特征图通过一个1×1的卷积核进行处理,从而获得第一融合特征图。通过1×1的卷积核能够进一步减少通道数(例如将通道数降低至256个),从而进一步去除冗余特征,降低数据处理量。
在一些实施例中,可以进一步对第一融合特征图进行全局语义特征提取,从而获取第一全局语义特征。
在一些实施例中,全局语义特征提取可以基于多头注意力机制来实现。
在一些实施例中,通过对第一融合特征图以及第一全局语义特征的融合,从而将全局语义信息添加到第一融合特征图中,从而获得第二融合特征图。
在一些实施例中,对第一融合特征图以及第一全局语义特征的融合可以通过对两者相加而实现。
在一些实施例中,可以在将一融合特征图以及第一全局语义特征二者相加后进一步通过1×1的卷积核进行特征提取,从而获得融合后的第二融合特征图。
在一些实施例中,可以对第二融合特征以及至少一个第一特征图进行特征融合,从而获得第三融合特征图。
在一些实施例中,上述特征融合可以基于空间自注意力机制实现,所得的第三融合特征图中也就包含了空间注意力特征信息,由此,通过提取并应用空间注意力特征信息,能够产生与在预测过程中人为输入辅助信息类似的效果,进一步提升了预测准确度。
在一些实施例中,可以将第三融合特征图输入到一个输出网络,从而预测得到的遮罩,应用该遮罩可以将待处理图像中的目标图像提取出来。
在一些实施例中,如图4所示,基于第一融合特征图进行语义特征提取,以获取第一全局语义特征可以包括:
步骤S401、对第一融合特征图进行多次下采样,以获得多个第一中间特征图,多个第一中间特征图分别对应多个不同的分辨率;
步骤S402、对多个第一中间特征图分别进行全局语义提取,以获得多个第一中间特征图相应的多个第二全局语义特征;以及
步骤S403、对多个第二全局语义特征进行特征融合,以获取第一全局语义特征。
由此,通过对第一融合特征图继续进行多尺度的下采样,并对所得的不同分辨率的第一中间特征图分别进行全局语义提取,进而进行融合以得到第一全局语义特征,从而能够进一步获取到多种层次的、更加丰富的全局语义信息,进一步提升预测准确度。
图5A示出了根据本公开的示例性实施例的第一特征融合网络的结构示意图。
在一些示例性实施例中,如图5A所示,第一特征融合网络500可以包括多个第一采样子网络510、第一融合子网络520、第一语义提取子网络530以及第二融合子网络540。其中,第一语义提取子网络530可以包括多个第二采样子网络531、多个第二采样子网络531相应的多个第二语义提取子网络532以及第三融合子网络533。
图5B示出了根据本公开的示例性实施例的第二语义提取子网络532的结构示意图。如图5B所示,第二语义提取子网络532可以由L组的多头注意力网络和前馈网络构成,其中。
在一些示例性实施例中,如图5A所示,可以将通过第一特征提取网络获得的多个不同分辨率的第一特征图分别输入不同尺度的多个第一采样子网络510中进行下采样,以将多个第一特征图的分辨率进行统一以获得多个第二特征图,例如可以统一为待处理图像的1/64。
在一些示例性实施例中,可以将多个第二特征图输入第一融合子网络520进行特征融合,包括:首先对多个第二特征图进行拼接,随后将拼接后的特征图通过一个1×1的卷积核进行处理,从而获得第一融合特征图。
在一些示例性实施例中,可以将第一融合特征图分别输入到多个不同尺度的第二采样子网络531中继续进行下采样,从而得到多个不同分辨率的第一中间特征图。例如,多个第一中间特征图的分辨率分别为2×2、4×4、和6×6。
随后分别将每个第一中间特征图相应地输入到各自的第二语义提取子网络532中进行全局语义提取,从而获得多个第二全局语义特征。
然后,可以将多个第二全局语义特征输入到第三融合子网络533中,首先通过第三融合子网络533中与每个第二全局语义特征相应的上采样网络,将每个第二全局语义特征的分辨率恢复至与第一融合特征图一致,随后可以对恢复一致后的特征进行相加,从而获得第一全局语义特征。由此,通过对第一融合特征图继续进行多尺度的下采样,并对所得的不同分辨率的第一中间特征图分别进行全局语义提取,进而进行融合以得到第一全局语义特征,从而能够进一步获取到多种层次的、更加丰富的全局语义信息,进一步提升预测准确度。
在一些实施例中,如图6所示,至少一个第一特征图中可以包括第三特征图,基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图可以包括:
步骤S601、对第二融合特征图进行上采样,以获取第二中间特征图,第二中间特征图与第三特征图具有相同的分辨率;
步骤S602、分别对第二中间特征图和第三特征图进行空间注意力特征提取,以获取第二中间特征图和第三特征图各自的第一空间注意力特征;以及
步骤S603、对第二中间特征图、第三特征图以及第二中间特征图和第三特征图各自的第一空间注意力特征进行特征融合,以获取第四融合特征图,作为第三融合特征图。
由此,通过分别对融合了全局语义的第五融合特征以及初始提取的第三特征图(任一第一特征图)进行空间注意力特征提取,再进行特征融合,从而能够进一步丰富空间注意力特征信息,提升预测准确度。
在一些实施例中,可以应用第二特征融合网络获取第三融合特征图。其中,第二特征融合网络可以包括第三采样子网络、多个第一特征提取子网络以及第四融合子网络。
图7A示出了根据本公开的示例性实施例的第二特征融合网络的结构示意图。图7B示出了根据本公开的示例性实施例的第一特征提取子网络的结构示意图。
在一些示例性实施例中,如图7A所示,首先可以将特征图1(例如为通过上述方法获得的第二融合特征图,其分辨率为待处理图像的1/64)输入其相应的第三采样子网络710中,以对特征图1进行上采样至待处理图像的1/32,以得到第二中间特征图。
随后,可以将第二中间特征图和第三特征图(也即图7A所示的特征图2,可以为分辨率为待处理图像的1/32的第一特征图)分别输入到相应的第一特征提取子网络720中,从而获得其各自的第一空间注意力特征,随后将第二中间特征图、第三特征图及其各自的第一空间注意力特征输入第四融合子网络730进行特征融合,从而获得融合了空间注意力特征信息的第四融合特征图。
在一些示例性实施例中,第四融合子网络730可以首先对第二中间特征图及其相应的第一空间注意力特征、第三特征图及其相应的第一空间注意力特征分别相乘,随后所得的两个特征拼接并输入一个1×1卷积核进行隐层特征提取,从而获得第四融合特征图。
在一些实施例中,在将第二中间特征图和第三特征图输入相应的第一特征提取子网络720之前,可以首先将其分别输入一个1×1卷积核进行通道数的统一,随后将各自得到的中间特征进一步分别输入到相应的3×3深度卷积网络(Depthwise卷积)中进行进一步的特征提取后,将深度卷积网络输出的特征输入相应的第四融合子网络730中进行空间注意力特征提取。
在一些示例性实施例中,如图7B所示,第一特征提取子网络720可以首先对输入特征分别进行平局池化和最大池化,并将两个中间特征进行拼接后,输入到一个卷积网络进行卷积,将得到的特征图通过激活函数(例如为Sigmoid函数)得到最终的第一空间注意力特征。
在一些实施例中,至少一个第一特征图的数量可以为多个,至少一个第一特征图可以包括第三特征图和至少一个第四特征图,第三特征图的分辨率小于每个第四特征图的分辨率,基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图还可以包括:在获取第四融合特征图后,针对至少一个第四特征图中的每个第四特征图,依次执行第一更新操作,以对第四融合特征图进行更新,并将最后一次第一更新操作得到的第四融合特征图作为第三融合特征图。
在一些实施例中,如图8所示,第一更新操作包括:
步骤S801、对第二融合特征图、第四融合特征图分别进行上采样,以获取相应的第三中间特征图和第四中间特征图,第三中间特征图、第四中间特征图以及该第四特征图具备相同的分辨率;
步骤S802、分别对第三中间特征图、第四中间特征图以及该第四特征图进行空间注意力特征提取,以获取多个第二空间注意力特征,多个第二空间注意力特征包括第三中间特征图、第四中间特征图以及该第四特征图各自的第二空间注意力特征;以及
步骤S803、对第三中间特征图、第四中间特征图、该第四特征图以及多个第二空间注意力特征进行特征融合,以基于融合得到的特征图更新第四融合特征图。
由此,通过进行多层级的空间注意力特征提取和多级特征的融合,从而能够进一步丰富空间注意力特征信息,提升预测准确度。
在一些实施例中,可以应用至少一个第五融合子网络进行上述第一更新操作,每个第五融合子网络包括多个第四采样子网络、多个第二特征提取子网络以及第六融合子网络。
图9示出了根据本公开的示例性实施例的第五融合子网络的结构示意图。
在一些示例性实施例中,如图9所示,首先可以将特征图1(例如为通过上述方法获得的第二融合特征图,其分辨率为待处理图像的1/64)输入其相应的第四采样子网络910中,以对特征图1进行上采样至待处理图像的1/16,以得到第三中间特征图;同时,可以将特征图2(例如通过如图7A所示的网络获得的第四融合特征图,其分辨率为待处理图像的1/32)输入其相应的第四采样子网络910中,以对特征图2进行上采样至待处理图像的1/16,以得到第四中间特征图。
随后,可以将第三中间特征图、第四中间特征图和第四特征图(也即图9所示的特征图3,可以为分辨率为待处理图像的1/16的第一特征图)分别输入到相应的第二特征提取子网络920中,从而获得其各自的第二空间注意力特征,随后将第三中间特征图、第四中间特征图和第四特征图及其各自的第二空间注意力特征输入第六融合子网络930进行特征融合,从而获得融合了空间注意力特征信息的融合特征图。
在一些实施例中,在将第三中间特征图、第四中间特征图和第四特征图输入相应的第二特征提取子网络920之前,可以首先将其分别输入一个1×1卷积核进行通道数的统一,随后将各自得到的中间特征进一步分别输入到相应的3×3深度卷积网络(Depthwise卷积)中进行进一步的特征提取后,将深度卷积网络输出的特征输入相应的第六融合子网络930中进行空间注意力特征提取。
在一些示例性实施例中,第二特征提取子网络920可以为如图7B所示的网络。
在一些实施例中,可以在获取分辨率为待处理图像的1/16的融合特征图后,应用与上述网络结构相同的另一个第五融合子网络进行类似的处理,以获得分辨率为待处理图像的1/8、1/4、1/2的融合特征图。
在一些实施例中,可以在获取到分辨率为待处理图像的1/8的融合特征图后,进一步应用第七融合子网络以进行下述第二更新操作。
在一些实施例中,上述图像处理方法还可以包括:对待处理图像进行第二特征提取,以获得至少一个第五特征图,至少一个第五特征图分别对应不同的至少一个第三分辨率,至少一个第三分辨率均大于多个第一分辨率中的每个第一分辨率;并且其中,基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图还可以包括:在获取最后一次第一更新操作得到的第四融合特征图后,针对至少一个第五特征图中的每个第五特征图,依次执行对第四融合特征图的第二更新操作,以将最后一次第二更新操作得到的第四融合特征图作为第三融合特征图。
在一些实施例中,如图10所示,第二更新操作包括:
步骤S1001、对第四融合特征图进行上采样,以获取第五中间特征图;
步骤S1002、分别对第五中间特征图和该第五特征图进行空间注意力特征提取,以获取多个第三空间注意力特征,多个第三空间注意力特征包括第五中间特征图和该第五特征图各自的第三空间注意力特征;以及
步骤S1003、基于第五中间特征图、该第五特征图以及多个第三空间注意力特征进行特征融合,以基于融合得到的特征图更新第四融合特征图。
由此,通过对分辨率较高的特征图仅进行空间注意力特征提取和融合(也即仅对分辨率较低的特征图进行全局语义提取),能够在进一步减少数据处理量的同时,有效兼顾全局语义信息和空间细节信息的提取,提升了预测的准确率。
在一些实施例中,可以应用至少一个第七融合子网络进行上述第二更新操作,每个第七融合子网络包括第五采样子网络、多个第三特征提取子网络以及第八融合子网络。
在一些示例性实施例中,第七融合子网络可以应用如图7A所示的网络。相应地,可以将由上述第五融合子网络输出的第四融合特征图作为特征图1输入到该网络中;相应地,第五采样子网络可以应用如图7A所示的第三采样子网络710,第三特征提取子网络可以应用第一特征提取子网络720,第八融合子网络可以应用第四融合子网络730。
在一些实施例中,可以在获取到分辨率为待处理图像的1/8的融合特征图后,进一步应用第七融合子网络以获取分辨率为待处理图像的1/4乃至分辨率为待处理图像的1/2的融合特征图。
在一些实施例中,上述图像处理还可以包括:对待处理图像进行至少一次下采样,以获得至少一个第一图像,至少一个第一图像分别与至少一个第五特征图相应,并且相应的第一图像和第五特征图具有相同的分辨率;第二更新操作还可以包括:对该第五特征图相应的第一图像进行空间注意力特征提取,以获取第四空间注意力特征;并且基于第五中间特征图、该第五特征图以及多个第三空间注意力特征进行特征融合,以基于融合得到的特征图更新第四融合特征图包括:对第五中间特征图、该第五特征图、多个第三空间注意力特征以及第四空间注意力特征进行特征融合,以基于融合得到的特征图更新第四融合特征图。
由此,将未经特征提取的原始图像信息进一步引入空间注意力特征提取中,从而进一步丰富空间注意力特征信息,提升预测准确度。
在一些实施例中,对待处理图像进行至少一次下采样可以应用第一采样网络实现,第一采样网络可以用于执行对待处理图像的平均池化操作。
在一些实施例中,基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩可以包括:基于第三融合特征图和待处理图像,预测获得遮罩。
由此,进一步将原图信息引入预测过程,从而进一步提升预测准确度。
图11A示出了根据本公开的示例性实施例的用于进行图像处理的模型的结构示意图。
在一些示例性实施例中,如图11A所示,首先可以对待处理图像通过骨干网络进行特征提取,从而分别获得分辨率为待处理图像的1/2、1/4、1/8、1/16、1/32的多个特征图;随后将分辨率为待处理图像的1/4、1/8、1/16、1/32的多个特征图输入到第一特征融合网络(例如如图5A所示的第一特征融合网络)中进行特征融合,得到第二融合特征图;随后,分别应用如上所述的第二特征融合网络(如图7A所示的第二特征融合网络)、两个第五融合子网络以及两个第七融合子网络逐级进行特征融合,从而得到一个第三融合特征,进而基于上采样后的第三融合特征(分辨率恢复为与待处理图像相同)以及待处理图像进行预测,从而得到最终的遮罩预测结果。
图11B示出了应用本公开的示例性实施例的分辨率为待处理图像的1/16这一层级的第五融合子网络中所涉及的特征图的可视化结果。
如图11B所示,第一列为该第五融合子网络的网络输入,分别为该网络对应的第一特征图、上一级融合子网络输出的融合特征图以及第二融合特征图,第二列分别对应上述三者的空间注意力特征,第三列分别对应上述三者各自与其相应的空间注意力特征相乘后的结果。由图11B可以看出,第一特征图更多的体现出了细节信息,但相比于头发区域,眼睛鼻子嘴巴等部分更为突出,但经过注意力过滤以后,明显提升了头发区域的重要性;第二融合特征涉及全局语义信息的提取,更注重前景与背景的区分,经过注意力过滤过滤后,前景、背景的对比更加明显,甚至一定程度上能够起到相关技术中人为添加的辅助信息的效果;而对于上一级融合子网络输出的融合特征图,其精细度介于前面两者之间,经过注意力过滤后,其能够进一步融合语义与细节的信息。
在一些实施例中,如图12所示,提供了一种模型训练方法,模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,模型训练方法包括:
步骤S1201、获取样本数据,样本数据包括样本图像以及样本标签,样本标签用于标注样本图像中目标图像的所在区域;
步骤S1202、将样本数据输入第一特征提取网络,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;
步骤S1203、将多个第一特征图相应地输入多个第一采样子网络进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;
步骤S1204、将多个第二特征图输入第一融合子网络进行特征融合,以获取第一融合特征图;
步骤S1205、将第一融合特征图输入第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;
步骤S1206、将第一融合特征图和第一全局语义特征输入第二融合子网络进行特征融合,以获取第二融合特征图;
步骤S1207、将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;
步骤S1208、至少将第三融合特征图输入输出网络,以获取目标图像的遮罩预测结果;以及
步骤S1209、基于遮罩预测结果和样本标签,调整模型的参数。
由此,通过上述训练方法获取到的模型可以用于执行上述图像处理方法,通过首先对多种分辨率的第一特征图进行下采样到同一分辨率,并进行融合以进行全局语义特征提取;随后基于包含全局语义特征的第二融合特征图与至少一个第一特征图进行特征融合,以将空间注意力特征信息提取并融合到第三融合特征中,从而能够在保证遮罩预测准确度的同时,降低计算量,提升预测效率。
在一些实施例中,第一语义提取子网络包括多个第二采样子网络、多个第二采样子网络相应的多个第二语义提取子网络以及第三融合子网络,将第一融合特征图输入第一语义提取子网络进行语义特征提取,以获取第一全局语义特征包括:将第一融合特征图分别输入多个第二采样子网络进行下采样,以获得多个第一中间特征图,多个第一中间特征图分别对应多个不同的分辨率;将多个第一中间特征图分别相应地输入多个第二语义提取子网络进行全局语义提取,以获得多个第一中间特征图相应的多个第二全局语义特征;以及将多个第二全局语义特征输入第三融合子网络进行特征融合,以获取第一全局语义特征。
在一些实施例中,至少一个第一特征图中包括第三特征图,第二特征融合网络包括第三采样子网络、多个第一特征提取子网络以及第四融合子网络,将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图包括:将第二融合特征图输入第三采样子网络进行上采样,以获取第二中间特征图,第二中间特征图与第三特征图具有相同的分辨率;分别将第二中间特征图和第三特征图输入相应的第一特征提取子网络进行空间注意力特征提取,以获取第二中间特征图和第三特征图各自的第一空间注意力特征;以及将第二中间特征图、第三特征图以及第二中间特征图和第三特征图各自的第一空间注意力特征输入第四融合子网络进行特征融合,以获取第四融合特征图,作为第三融合特征图。
在一些实施例中,至少一个第一特征图的数量为多个,至少一个第一特征图包括第三特征图和至少一个第四特征图,第三特征图的分辨率小于每个第四特征图的分辨率,第二特征融合网络还包括至少一个第五融合子网络,至少一个第五融合子网络与至少一个第四特征图相应,并且每个第五融合子网络包括多个第四采样子网络、多个第二特征提取子网络以及第六融合子网络。
将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图还包括:在获取第四融合特征图后,将至少一个第四特征图中的每个第四特征图,输入相应的第五融合子网络依次执行第一更新操作,以对第四融合特征图进行更新,并将最后一次第一更新操作得到的第四融合特征图作为第三融合特征图。
其中,第一更新操作可以包括:将第二融合特征图、第四融合特征图分别输入相应的第四采样子网络进行上采样,以获取相应的第三中间特征图和第四中间特征图,第三中间特征图、第四中间特征图以及该第四特征图具备相同的分辨率;分别将第三中间特征图、第四中间特征图以及该第四特征图输入相应的第二特征提取子网络进行空间注意力特征提取,以获取多个第二空间注意力特征,多个第二空间注意力特征包括第三中间特征图、第四中间特征图以及该第四特征图各自的第二空间注意力特征;以及将第三中间特征图、第四中间特征图、该第四特征图以及多个第二空间注意力特征输入第六融合子网络进行特征融合,以基于融合得到的特征图更新第四融合特征图。
在一些实施例中,模型还包括第二特征提取网络,上述模型训练方法还可以包括:将待处理图像输入第二特征提取网络,以获得至少一个第五特征图,至少一个第五特征图分别对应不同的至少一个第三分辨率,至少一个第三分辨率均大于多个第一分辨率中的每个第一分辨率。
并且其中,第二特征融合网络还包括至少一个第七融合子网络,至少一个第七融合子网络与至少一个第五特征图相应,并且每个第七融合子网络包括第五采样子网络、多个第三特征提取子网络以及第八融合子网络,将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图还包括:在获取最后一次第一更新操作得到的第四融合特征图后,将至少一个第五特征图中的每个第五特征图,输入相应的第七融合子网络依次执行对第四融合特征图的第二更新操作,以将最后一次第二更新操作得到的第四融合特征图作为第三融合特征图。
其中,第二更新操作可以包括:将第四融合特征图输入第五采样子网络进行上采样,以获取第五中间特征图;分别将第五中间特征图和该第五特征图输入相应的第三特征提取子网络进行空间注意力特征提取,以获取多个第三空间注意力特征,多个第三空间注意力特征包括第五中间特征图和该第五特征图各自的第三空间注意力特征;以及将第五中间特征图、该第五特征图以及多个第三空间注意力特征输入第八融合子网络进行特征融合,以基于融合得到的特征图更新第四融合特征图。
在一些实施例中,模型还可以包括至少一个第一采样网络,上述模型训练方法还可以包括:将待处理图像分别输入至少一个第一采样网络,以获得至少一个第一图像,至少一个第一图像分别与至少一个第五特征图相应,并且相应的第一图像和第五特征图具有相同的分辨率。
第七融合子网络还包括第四特征提取子网络,第二更新操作还包括:将该第五特征图相应的第一图像输入第四特征提取子网络进行空间注意力特征提取,以获取第四空间注意力特征;并且将第五中间特征图、该第五特征图以及多个第三空间注意力特征输入第八融合子网络进行特征融合,以基于融合得到的特征图更新第四融合特征图包括:将第五中间特征图、该第五特征图、多个第三空间注意力特征以及第四空间注意力特征输入第八融合子网络进行特征融合,以基于融合得到的特征图更新第四融合特征图。
在一些实施例中,至少将第三融合特征图输入输出网络,以获取目标图像的遮罩预测结果可以包括:将第三融合特征图和待处理图像输入输出网络,以获取目标图像的遮罩预测结果。
在一些示例性实施例中,上述模型例如可以为如图11A所示的模型。在训练过程中,还可以同时获取基于第二个第五融合子网络输出的融合特征图预测得到的遮罩预测结果,并分别基于两个尺度的遮罩预测结果及相应的样本标签进行损失计算及参数调整,从而能够在更小的尺度上对模型进行监督,从而进一步提升模型训练的效果,提升预测准确率。
在一些实施例中,如图13所示,提供了一种图像处理装置1300,包括:
第一提取单元1310,被配置为对待处理图像进行第一特征提取,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;
第一采样单元1320,被配置为对多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;
第一融合单元1330,被配置为对多个第二特征图进行特征融合,以获取第一融合特征图;
第二提取单元1340,被配置为基于第一融合特征图进行语义特征提取,以获取第一全局语义特征;
第二融合单元1350,被配置为对第一融合特征图和第一全局语义特征进行特征融合,以获取第二融合特征图;
第三融合单元1360,被配置为基于第二融合特征图以及多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;以及
第一预测单元1370,被配置为基于第三融合特征图,预测获得用于获取待处理图像中的目标图像的遮罩。
其中,装置1300中的单元1310-单元1370所执行的操作与上述图形处理方法中的步骤S201-步骤S207的操作类似,在此不做赘述。
在一些实施例中,一种模型训练装置1400,模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,模型训练装置1400包括:
第一获取单元1410,被配置为获取样本数据,样本数据包括样本图像以及样本标签,样本标签用于标注样本图像中目标图像的所在区域;
第一输入单元1420,被配置为将样本数据输入第一特征提取网络,以获得多个第一特征图,多个第一特征图分别对应不同的多个第一分辨率;
第二输入单元1430,被配置为将多个第一特征图相应地输入多个第一采样子网络进行下采样,以获得多个第二特征图,多个第二特征图具有相同的第二分辨率,第二分辨率小于多个第一分辨率中的每个第一分辨率;
第三输入单元1440,被配置为将多个第二特征图输入第一融合子网络进行特征融合,以获取第一融合特征图;
第四输入单元1450,被配置为将第一融合特征图输入第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;
第五输入单元1460,被配置为将第一融合特征图和第一全局语义特征输入第二融合子网络进行特征融合,以获取第二融合特征图;
第六输入单元1470,被配置为将第二融合特征图以及多个第一特征图中的至少一个第一特征图输入第二特征融合网络,以获取第三融合特征图,第三融合特征图中包括空间注意力特征信息;
第二预测单元1480,被配置为至少将第三融合特征图输入输出网络,以获取目标图像的遮罩预测结果;以及
调整单元1490,被配置为基于遮罩预测结果和样本标签,调整模型的参数。
其中,装置1400中的单元1410-单元1490所执行的操作与上述模型训练方法中的步骤S1201-步骤S1209的操作类似,在此不做赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图15,现将描述可以作为本公开的服务器或客户端的电子设备1500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图15所示,电子设备1500包括计算单元1501,其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序,来执行各种适当的动作和处理。在RAM 1503中,还可存储电子设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
电子设备1500中的多个部件连接至I/O接口1505,包括:输入单元1506、输出单元1507、存储单元1508以及通信单元1509。输入单元1506可以是能向电子设备1500输入信息的任何类型的设备,输入单元1506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1507可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1508可以包括但不限于磁盘、光盘。通信单元1509允许电子设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、902.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理,例如上述图像处理方法或模型训练方法。例如,在一些实施例中,上述图像处理方法或模型训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到电子设备1500上。当计算机程序加载到RAM 1503并由计算单元1501执行时,可以执行上文描述的图像处理方法或模型训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元1501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述图像处理方法或模型训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (19)
1.一种图像处理方法,包括:
对待处理图像进行第一特征提取,以获得多个第一特征图,所述多个第一特征图分别对应不同的多个第一分辨率;
对所述多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,所述多个第二特征图具有相同的第二分辨率,所述第二分辨率小于所述多个第一分辨率中的每个第一分辨率;
对所述多个第二特征图进行特征融合,以获取第一融合特征图;
基于所述第一融合特征图进行语义特征提取,以获取第一全局语义特征;
对所述第一融合特征图和所述第一全局语义特征进行特征融合,以获取第二融合特征图;
基于所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,所述第三融合特征图中包括空间注意力特征信息;以及
基于所述第三融合特征图,预测获得用于获取所述待处理图像中的目标图像的遮罩。
2.根据权利要求1所述的方法,其中,所述基于所述第一融合特征图进行语义特征提取,以获取第一全局语义特征包括:
对所述第一融合特征图进行多次下采样,以获得多个第一中间特征图,所述多个第一中间特征图分别对应多个不同的分辨率;
对所述多个第一中间特征图分别进行全局语义提取,以获得所述多个第一中间特征图相应的多个第二全局语义特征;以及
对所述多个第二全局语义特征进行特征融合,以获取所述第一全局语义特征。
3.根据权利要求1或2所述的方法,其中,所述至少一个第一特征图中包括第三特征图,所述基于所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图包括:
对所述第二融合特征图进行上采样,以获取第二中间特征图,所述第二中间特征图与所述第三特征图具有相同的分辨率;
分别对所述第二中间特征图和所述第三特征图进行空间注意力特征提取,以获取所述第二中间特征图和所述第三特征图各自的第一空间注意力特征;以及
对所述第二中间特征图、所述第三特征图以及所述第二中间特征图和所述第三特征图各自的第一空间注意力特征进行特征融合,以获取第四融合特征图,作为所述第三融合特征图。
4.根据权利要求3所述的方法,其中,所述至少一个第一特征图的数量为多个,所述至少一个第一特征图包括所述第三特征图和至少一个第四特征图,所述第三特征图的分辨率小于每个第四特征图的分辨率,所述基于所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图还包括:
在获取所述第四融合特征图后,针对所述至少一个第四特征图中的每个第四特征图,依次执行第一更新操作,以对所述第四融合特征图进行更新,并将最后一次所述第一更新操作得到的第四融合特征图作为所述第三融合特征图,所述第一更新操作包括:
对所述第二融合特征图、所述第四融合特征图分别进行上采样,以获取相应的第三中间特征图和第四中间特征图,所述第三中间特征图、所述第四中间特征图以及该第四特征图具备相同的分辨率;
分别对所述第三中间特征图、所述第四中间特征图以及该第四特征图进行空间注意力特征提取,以获取多个第二空间注意力特征,所述多个第二空间注意力特征包括所述第三中间特征图、所述第四中间特征图以及该第四特征图各自的第二空间注意力特征;以及
对所述第三中间特征图、所述第四中间特征图、该第四特征图以及所述多个第二空间注意力特征进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
5.根据权利要求4所述的方法,还包括:
对所述待处理图像进行第二特征提取,以获得至少一个第五特征图,所述至少一个第五特征图分别对应不同的至少一个第三分辨率,所述至少一个第三分辨率均大于所述多个第一分辨率中的每个第一分辨率;并且其中,
所述基于所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图还包括:
在获取最后一次所述第一更新操作得到的第四融合特征图后,针对所述至少一个第五特征图中的每个第五特征图,依次执行对所述第四融合特征图的第二更新操作,以将最后一次所述第二更新操作得到的第四融合特征图作为所述第三融合特征图,所述第二更新操作包括:
对所述第四融合特征图进行上采样,以获取第五中间特征图;
分别对所述第五中间特征图和该第五特征图进行空间注意力特征提取,以获取多个第三空间注意力特征,所述多个第三空间注意力特征包括所述第五中间特征图和该第五特征图各自的第三空间注意力特征;以及
基于所述第五中间特征图、该第五特征图以及所述多个第三空间注意力特征进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
6.根据权利要求5所述的方法,还包括:
对所述待处理图像进行至少一次下采样,以获得至少一个第一图像,所述至少一个第一图像分别与所述至少一个第五特征图相应,并且相应的第一图像和第五特征图具有相同的分辨率;
所述第二更新操作还包括:
对该第五特征图相应的第一图像进行空间注意力特征提取,以获取第四空间注意力特征;并且
所述基于所述第五中间特征图、该第五特征图以及所述多个第三空间注意力特征进行特征融合,以基于融合得到的特征图更新所述第四融合特征图包括:
对所述第五中间特征图、该第五特征图、所述多个第三空间注意力特征以及所述第四空间注意力特征进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
7.根据权利要求1-6中任一项所述的方法,其中,所述基于所述第三融合特征图,预测获得用于获取所述待处理图像中的目标图像的遮罩包括:
基于所述第三融合特征图和所述待处理图像,预测获得所述遮罩。
8.一种模型训练方法,所述模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,所述第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,所述方法包括:
获取样本数据,所述样本数据包括样本图像以及样本标签,所述样本标签用于标注所述样本图像中目标图像的所在区域;
将所述样本数据输入所述第一特征提取网络,以获得多个第一特征图,所述多个第一特征图分别对应不同的多个第一分辨率;
将所述多个第一特征图相应地输入所述多个第一采样子网络进行下采样,以获得多个第二特征图,所述多个第二特征图具有相同的第二分辨率,所述第二分辨率小于所述多个第一分辨率中的每个第一分辨率;
将所述多个第二特征图输入所述第一融合子网络进行特征融合,以获取第一融合特征图;
将所述第一融合特征图输入所述第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;
将所述第一融合特征图和所述第一全局语义特征输入所述第二融合子网络进行特征融合,以获取所述第二融合特征图;
将所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图输入所述第二特征融合网络,以获取第三融合特征图,所述第三融合特征图中包括空间注意力特征信息;
至少将所述第三融合特征图输入所述输出网络,以获取所述目标图像的遮罩预测结果;以及
基于所述遮罩预测结果和所述样本标签,调整所述模型的参数。
9.根据权利要求8所述的方法,其中,所述第一语义提取子网络包括多个第二采样子网络、所述多个第二采样子网络相应的多个第二语义提取子网络以及第三融合子网络,所述将所述第一融合特征图输入所述第一语义提取子网络进行语义特征提取,以获取第一全局语义特征包括:
将所述第一融合特征图分别输入所述多个第二采样子网络进行下采样,以获得多个第一中间特征图,所述多个第一中间特征图分别对应多个不同的分辨率;
将所述多个第一中间特征图分别相应地输入所述多个第二语义提取子网络进行全局语义提取,以获得所述多个第一中间特征图相应的多个第二全局语义特征;以及
将所述多个第二全局语义特征输入所述第三融合子网络进行特征融合,以获取所述第一全局语义特征。
10.根据权利要求8或9所述的方法,其中,所述至少一个第一特征图中包括第三特征图,所述第二特征融合网络包括第三采样子网络、多个第一特征提取子网络以及第四融合子网络,所述将所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图输入所述第二特征融合网络,以获取第三融合特征图包括:
将所述第二融合特征图输入所述第三采样子网络进行上采样,以获取第二中间特征图,所述第二中间特征图与所述第三特征图具有相同的分辨率;
分别将所述第二中间特征图和所述第三特征图输入相应的第一特征提取子网络进行空间注意力特征提取,以获取所述第二中间特征图和所述第三特征图各自的第一空间注意力特征;以及
将所述第二中间特征图、所述第三特征图以及所述第二中间特征图和所述第三特征图各自的第一空间注意力特征输入所述第四融合子网络进行特征融合,以获取第四融合特征图,作为所述第三融合特征图。
11.根据权利要求10所述的方法,
其中,所述至少一个第一特征图的数量为多个,所述至少一个第一特征图包括所述第三特征图和至少一个第四特征图,所述第三特征图的分辨率小于每个第四特征图的分辨率,所述第二特征融合网络还包括至少一个第五融合子网络,所述至少一个第五融合子网络与所述至少一个第四特征图相应,并且每个第五融合子网络包括多个第四采样子网络、多个第二特征提取子网络以及第六融合子网络,
所述将所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图输入所述第二特征融合网络,以获取第三融合特征图还包括:
在获取所述第四融合特征图后,将所述至少一个第四特征图中的每个第四特征图,输入相应的第五融合子网络依次执行第一更新操作,以对所述第四融合特征图进行更新,并将最后一次所述第一更新操作得到的第四融合特征图作为所述第三融合特征图,所述第一更新操作包括:
将所述第二融合特征图、所述第四融合特征图分别输入相应的第四采样子网络进行上采样,以获取相应的第三中间特征图和第四中间特征图,所述第三中间特征图、所述第四中间特征图以及该第四特征图具备相同的分辨率;
分别将所述第三中间特征图、所述第四中间特征图以及该第四特征图输入相应的第二特征提取子网络进行空间注意力特征提取,以获取多个第二空间注意力特征,所述多个第二空间注意力特征包括所述第三中间特征图、所述第四中间特征图以及该第四特征图各自的第二空间注意力特征;以及
将所述第三中间特征图、所述第四中间特征图、该第四特征图以及所述多个第二空间注意力特征输入所述第六融合子网络进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
12.根据权利要求11所述的方法,其中,所述模型还包括第二特征提取网络,所述方法还包括:
将所述待处理图像输入所述第二特征提取网络,以获得至少一个第五特征图,所述至少一个第五特征图分别对应不同的至少一个第三分辨率,所述至少一个第三分辨率均大于所述多个第一分辨率中的每个第一分辨率;并且其中,
所述第二特征融合网络还包括至少一个第七融合子网络,所述至少一个第七融合子网络与所述至少一个第五特征图相应,并且每个第七融合子网络包括第五采样子网络、多个第三特征提取子网络以及第八融合子网络,所述将所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图输入所述第二特征融合网络,以获取第三融合特征图还包括:
在获取最后一次所述第一更新操作得到的第四融合特征图后,将所述至少一个第五特征图中的每个第五特征图,输入相应的第七融合子网络依次执行对所述第四融合特征图的第二更新操作,以将最后一次所述第二更新操作得到的第四融合特征图作为所述第三融合特征图,所述第二更新操作包括:
将所述第四融合特征图输入所述第五采样子网络进行上采样,以获取第五中间特征图;
分别将所述第五中间特征图和该第五特征图输入相应的第三特征提取子网络进行空间注意力特征提取,以获取多个第三空间注意力特征,所述多个第三空间注意力特征包括所述第五中间特征图和该第五特征图各自的第三空间注意力特征;以及
将所述第五中间特征图、该第五特征图以及所述多个第三空间注意力特征输入所述第八融合子网络进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
13.根据权利要求12所述的方法,所述模型还包括至少一个第一采样网络,所述方法还包括:
将所述待处理图像分别输入所述至少一个第一采样网络,以获得至少一个第一图像,所述至少一个第一图像分别与所述至少一个第五特征图相应,并且相应的第一图像和第五特征图具有相同的分辨率;
所述第七融合子网络还包括第四特征提取子网络,所述第二更新操作还包括:
将该第五特征图相应的第一图像输入所述第四特征提取子网络进行空间注意力特征提取,以获取第四空间注意力特征;并且
所述将所述第五中间特征图、该第五特征图以及所述多个第三空间注意力特征输入所述第八融合子网络进行特征融合,以基于融合得到的特征图更新所述第四融合特征图包括:
将所述第五中间特征图、该第五特征图、所述多个第三空间注意力特征以及所述第四空间注意力特征输入所述第八融合子网络进行特征融合,以基于融合得到的特征图更新所述第四融合特征图。
14.根据权利要求8-13中任一项所述的方法,其中,所述至少将所述第三融合特征图输入所述输出网络,以获取所述目标图像的遮罩预测结果包括:
将所述第三融合特征图和所述待处理图像输入所述输出网络,以获取所述目标图像的遮罩预测结果。
15.一种图像处理装置,包括:
第一提取单元,被配置为对待处理图像进行第一特征提取,以获得多个第一特征图,所述多个第一特征图分别对应不同的多个第一分辨率;
第一采样单元,被配置为对所述多个第一特征图中的每个第一特征图进行下采样,以获得多个第二特征图,所述多个第二特征图具有相同的第二分辨率,所述第二分辨率小于所述多个第一分辨率中的每个第一分辨率;
第一融合单元,被配置为对所述多个第二特征图进行特征融合,以获取第一融合特征图;
第二提取单元,被配置为基于所述第一融合特征图进行语义特征提取,以获取第一全局语义特征;
第二融合单元,被配置为对所述第一融合特征图和所述第一全局语义特征进行特征融合,以获取第二融合特征图;
第三融合单元,被配置为基于所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图进行特征融合,以获取第三融合特征图,所述第三融合特征图中包括空间注意力特征信息;以及
第一预测单元,被配置为基于所述第三融合特征图,预测获得用于获取所述待处理图像中的目标图像的遮罩。
16.一种模型训练装置,所述模型包括第一特征提取网络、第一特征融合网络、第二特征融合网络以及输出网络,所述第一特征融合网络包括多个第一采样子网络、第一融合子网络、第一语义提取子网络以及第二融合子网络,所述装置包括:
第一获取单元,被配置为获取样本数据,所述样本数据包括样本图像以及样本标签,所述样本标签用于标注所述样本图像中目标图像的所在区域;
第一输入单元,被配置为将所述样本数据输入所述第一特征提取网络,以获得多个第一特征图,所述多个第一特征图分别对应不同的多个第一分辨率;
第二输入单元,被配置为将所述多个第一特征图相应地输入所述多个第一采样子网络进行下采样,以获得多个第二特征图,所述多个第二特征图具有相同的第二分辨率,所述第二分辨率小于所述多个第一分辨率中的每个第一分辨率;
第三输入单元,被配置为将所述多个第二特征图输入所述第一融合子网络进行特征融合,以获取第一融合特征图;
第四输入单元,被配置为将所述第一融合特征图输入所述第一语义提取子网络进行语义特征提取,以获取第一全局语义特征;
第五输入单元,被配置为将所述第一融合特征图和所述第一全局语义特征输入所述第二融合子网络进行特征融合,以获取所述第二融合特征图;
第六输入单元,被配置为将所述第二融合特征图以及所述多个第一特征图中的至少一个第一特征图输入所述第二特征融合网络,以获取第三融合特征图,所述第三融合特征图中包括空间注意力特征信息;
第二预测单元,被配置为至少将所述第三融合特征图输入所述输出网络,以获取所述目标图像的遮罩预测结果;以及
调整单元,被配置为基于所述遮罩预测结果和所述样本标签,调整所述模型的参数。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-14中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-14中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272633.7A CN116740510B (zh) | 2023-03-20 | 2023-03-20 | 图像处理方法、模型训练方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272633.7A CN116740510B (zh) | 2023-03-20 | 2023-03-20 | 图像处理方法、模型训练方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116740510A true CN116740510A (zh) | 2023-09-12 |
CN116740510B CN116740510B (zh) | 2024-07-12 |
Family
ID=87901876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310272633.7A Active CN116740510B (zh) | 2023-03-20 | 2023-03-20 | 图像处理方法、模型训练方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740510B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784623A (zh) * | 2020-09-07 | 2020-10-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
WO2021139062A1 (zh) * | 2020-01-12 | 2021-07-15 | 大连理工大学 | 一种全自动自然图像抠图方法 |
CN113591861A (zh) * | 2021-07-08 | 2021-11-02 | 杭州网易智企科技有限公司 | 图像处理方法、装置、计算设备及存储介质 |
CN114187317A (zh) * | 2021-12-10 | 2022-03-15 | 北京百度网讯科技有限公司 | 图像抠图的方法、装置、电子设备以及存储介质 |
CN114299088A (zh) * | 2021-12-27 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 图像处理方法及装置 |
CN114429548A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 图像处理方法、神经网络及其训练方法、装置和设备 |
CN115100223A (zh) * | 2022-06-10 | 2022-09-23 | 北京邮电大学 | 一种基于深度时空学习的高分辨率视频虚拟人物抠像方法 |
CN115482443A (zh) * | 2022-09-01 | 2022-12-16 | 阿波罗智联(北京)科技有限公司 | 图像特征融合及模型训练方法、装置、设备以及存储介质 |
CN115511779A (zh) * | 2022-07-20 | 2022-12-23 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN115631452A (zh) * | 2022-11-15 | 2023-01-20 | 中国科学院空天信息创新研究院 | 智能红外弱小目标检测方法、装置、电子设备及介质 |
CN115661609A (zh) * | 2022-10-24 | 2023-01-31 | 阿里巴巴(中国)有限公司 | 一种图像处理方法、装置和介质 |
WO2023015755A1 (zh) * | 2021-08-09 | 2023-02-16 | 奥比中光科技集团股份有限公司 | 一种抠图网络训练方法及抠图方法 |
-
2023
- 2023-03-20 CN CN202310272633.7A patent/CN116740510B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021139062A1 (zh) * | 2020-01-12 | 2021-07-15 | 大连理工大学 | 一种全自动自然图像抠图方法 |
CN111784623A (zh) * | 2020-09-07 | 2020-10-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113591861A (zh) * | 2021-07-08 | 2021-11-02 | 杭州网易智企科技有限公司 | 图像处理方法、装置、计算设备及存储介质 |
WO2023015755A1 (zh) * | 2021-08-09 | 2023-02-16 | 奥比中光科技集团股份有限公司 | 一种抠图网络训练方法及抠图方法 |
CN114187317A (zh) * | 2021-12-10 | 2022-03-15 | 北京百度网讯科技有限公司 | 图像抠图的方法、装置、电子设备以及存储介质 |
CN114299088A (zh) * | 2021-12-27 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 图像处理方法及装置 |
CN114429548A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 图像处理方法、神经网络及其训练方法、装置和设备 |
CN115100223A (zh) * | 2022-06-10 | 2022-09-23 | 北京邮电大学 | 一种基于深度时空学习的高分辨率视频虚拟人物抠像方法 |
CN115511779A (zh) * | 2022-07-20 | 2022-12-23 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备和存储介质 |
CN115482443A (zh) * | 2022-09-01 | 2022-12-16 | 阿波罗智联(北京)科技有限公司 | 图像特征融合及模型训练方法、装置、设备以及存储介质 |
CN115661609A (zh) * | 2022-10-24 | 2023-01-31 | 阿里巴巴(中国)有限公司 | 一种图像处理方法、装置和介质 |
CN115631452A (zh) * | 2022-11-15 | 2023-01-20 | 中国科学院空天信息创新研究院 | 智能红外弱小目标检测方法、装置、电子设备及介质 |
Non-Patent Citations (3)
Title |
---|
GUOWEI CHEN 等: "PP-Matting: High-Accuracy Natural Image Matting", 《ARXIV》, 20 April 2022 (2022-04-20) * |
YU QIAO 等: "Attention-Guided Hierarchical Structure Aggregation for Image Matting", 《CVPR 2020》, 31 December 2020 (2020-12-31) * |
王宸昊 等: "粗糙语义引导的同时预测前背景的透明度图估计算法", 《计算机辅助设计与图形学学报》, vol. 34, no. 9, 30 September 2022 (2022-09-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN116740510B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN113313650B (zh) | 图像画质增强方法、装置、设备和介质 | |
CN112967355B (zh) | 图像填充方法及装置、电子设备和介质 | |
CN113656587B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN112967196A (zh) | 图像修复方法及装置、电子设备和介质 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN112967356A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN116245998B (zh) | 渲染贴图生成方法及装置、模型训练方法及装置 | |
CN116205819B (zh) | 字符图像生成方法、深度学习模型的训练方法和装置 | |
CN116597454B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN115661375B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
CN116740510B (zh) | 图像处理方法、模型训练方法及装置 | |
CN116030185A (zh) | 三维发丝生成方法和模型的训练方法 | |
CN114429548A (zh) | 图像处理方法、神经网络及其训练方法、装置和设备 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN113793290B (zh) | 一种视差确定方法、装置、设备、介质 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN115578584B (zh) | 图像处理方法、图像处理模型的构建和训练方法 | |
CN115423827B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114494810A (zh) | 图像处理方法、神经网络及其训练方法、装置和设备 |
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 |