[发明专利]图像掩模的识别、抠取、模型训练方法、装置及电子设备

说明书

本发明实施例提供了一种图像掩模的识别、抠取、模型训练方法、装置及电子设备，其中，图像掩模的识别方法，包括：对待识别图像以及用户在所述待识别图像中选定的目标图像基准区域进行特征提取；确定特征扩散源对应的第一特征数据和特征扩散目的地对应的第二特征数据之间的特征相似度；按照特征相似度标识的权重，将所述第一特征数据和所述第二特征数据进行叠加；根据加权叠加处理后的所述待识别图像对应的特征数据，进行图像掩模识别，生成图像掩模的识别结果。本发明实施例通过引入特征扩散机制，将用户选定的目标图像基准区域作为特征扩散源，在待识别图像中进行特征扩散，从而提高了对待识别图像中目标对象识别的准确度和图像分割处理的效率。

技术领域

本申请涉及一种图像掩模的识别、抠取、模型训练方法、装置及电子设备，属于计算机技术领域。

背景技术

分隔掩模在图像处理中具有广泛的应用，例如可以应用在一些抠图工具上，使用图像掩模技术，将图片中特定物体的图像背景中分离出来。

然而，在现有技术中，对于图像进行分割掩膜标注处理中，往往依赖大量的人工描边或者涂抹才能完成对图像中不同物体的分隔掩模识别，很多情况下，用户需要经过相当多的次数的目标图像基准点的标记，才能获得较为满意的分隔掩模，从而降低了图像分割和提取的效率。

发明内容

本发明实施例提供一种图像掩模的识别、抠取、模型训练方法、装置及电子设备，以提高图像掩模的识别效率。

为了实现上述目的，本发明实施例提供了一种图像掩模的识别方法，包括：

对待识别图像以及用户在所述待识别图像中选定的目标图像基准区域进行特征提取；

以所述目标图像基准区域作为特征扩散源、所述目标图像基准区域以外的一个或多个区域作为特征扩散目的地，确定所述特征扩散源对应的第一特征数据和所述特征扩散目的地对应的第二特征数据之间的特征相似度；

按照所述特征相似度标识的权重，将所述第一特征数据和所述第二特征数据进行叠加；

根据加权叠加处理后的所述待识别图像对应的特征数据，进行图像掩模识别，生成图像掩模的识别结果。

本发明实施例还提供了一种图像分割模型的训练方法，包括：

将多张训练图像作为待识别图像，获取用户针对目标对象而进行选定的目标图像基准区域，使用前述的图像掩模的识别方法，获取针对所述目标对象的图像掩模；

将所述训练图像和对应的图像掩模作为训练数据，训练机器学习模型，所述机器学习模型用于执行将所述目标对象从指定图像中进行分割的图像分割处理。

本发明实施例还提供了一种图像掩模的识别装置，包括：

特征提取模块，用于对待识别图像以及用户在所述待识别图像中选定的目标图像基准区域进行特征提取；

特征相似度确定模块，用于以所述目标图像基准区域作为特征扩散源、所述目标图像基准区域以外的一个或多个区域作为特征扩散目的地，确定所述特征扩散源对应的第一特征数据和所述特征扩散目的地对应的第二特征数据之间的特征相似度；

特征扩散模块，用于按照所述特征相似度标识的权重，将所述第一特征数据和所述第二特征数据进行叠加；

识别处理模块，用于根据加权叠加处理后的所述待识别图像对应的特征数据，进行图像掩模识别，生成图像掩模的识别结果。

本发明实施例还提供了一种图像分割模型的训练装置，包括：

图像掩模获取模块，用于将多张训练图像作为待识别图像，获取用户针对目标对象而进行选定的目标图像基准区域，以所述目标图像基准区域作为特征扩散源进行特征扩散处理，对特征扩散处理后的待识别图像进行图像掩模识别，获取针对所述目标对象的图像掩模；