[发明专利]用于翡翠图像分割的方法及模型训练方法

说明书

本公开实施例公开了一种用于翡翠图像分割的方法及模型训练方法，其中用于翡翠图像分割的方法包括：首先响应于获取到包含翡翠图像的原始图像，将所述原始图像输入至基于机器学习预训练的第一网络模型中，以使第一网络模型对原始图像进行分割，输出包含无背景图的初始翡翠图像；而后将初始翡翠图像输入至基于机器学习预训练的第二网络模型中，以使第二网络模型对初始翡翠图像的高光区域图像进行分割，输出不包含高光区域图像的翡翠图像。采用机器学习训练模型能够准确地去除翡翠图像的背景和高光区域进而解决了翡翠图像分割采用数字图像处理，适用场景单一、分割边界模糊以及分割不准确的技术问题。

技术领域

本公开涉及图像分割处理技术领域，具体涉及到一种用于翡翠图像分割的方法及模型训练方法。

背景技术

翡翠图像分割大多使用传统数字图像处理，一方面适用场景单一，且分割效率低；另一方面存在分割边界模糊，分割不准。

发明内容

本公开的主要目的在于提供一种用于翡翠图像分割的方法及模型训练方法，以解决传统的数字图像处理技术适用场景单一，且分割不准确的问题。

为了实现上述目的，根据本公开的第一方面，提供了一种用于翡翠图像分割的方法，包括：响应于获取到包含翡翠图像的原始图像，将所述原始图像输入至基于机器学习预训练的第一网络模型中，以使所述第一网络模型对所述原始图像进行分割，输出包含无背景图的初始翡翠图像；将所述初始翡翠图像输入至基于机器学习预训练的第二网络模型中，以使所述第二网络模型对所述初始翡翠图像的高光区域图像进行分割，输出不包含高光区域图像的翡翠图像。

可选地，响应于获取到原始图像，将所述原始图像输入至基于机器学习预训练的第一网络模型中，以使所述第一网络模型对所述原始图像进行分割，输出包含无背景图的初始翡翠图像包括：响应于获取到视频中每一帧的图像，确定视频中所有帧的图像中满足预设条件的图像；将所述满足预设条件的图像输入至基于机器学习预训练的第一网络模型中，以使所述第一网络模型对所述原始图像进行分割，输出包含无背景图的初始翡翠图像。

根据本公开的第二方面，提供了一种用于翡翠图像分割的模型训练方法，包括对原始图像集中每一张包含翡翠的原始图像预处理，得到原始图像中翡翠图像的掩膜；将作为正样本的所述掩膜和作为负样本的所述原始图像集中不包含翡翠的原始图像按照预设的数量比输入至语义分割网络模型中，以训练所述语义分割网络模型识别图像中的背景区域图像和翡翠图像，并将背景区域图像和翡翠图像分割。

根据本公开的第三方面，提供了一种用于翡翠图像分割的模型训练方法，包括获取与背景区域图像分割的翡翠图像；基于图像高光估计算法，选取所述翡翠图像的高光区域图像；将作为正样本的所述高光区域图像和作为负样本的非高光翡翠图像按照预设的数量比输入至第一语义分割模型中，以训练所述第一语义分割模型识别翡翠图像中的高光区域图像和非高光区域图像，并将高光区域图像和非高光区域图像进行分割。

根据本公开的第四方面，提供了一种用于翡翠图像分割的装置，包括：第一输入单元，被配置成响应于获取到包含翡翠图像的原始图像，将所述原始图像输入至基于机器学习预训练的第一网络模型中，以使所述第一网络模型对所述原始图像进行分割，输出包含无背景图的初始翡翠图像；第二输入单元，被配置成将所述初始翡翠图像输入至基于机器学习预训练的第二网络模型中，以使所述第二网络模型对所述初始翡翠图像的高光区域图像进行分割，输出不包含高光区域图像的翡翠图像。

根据本公开的第五方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实施例所述的用于翡翠图像分割的方法。

根据本公开的第六方面，提供了一种电子设备，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实施例所述的用于翡翠图像分割的方法。