[发明专利]人脸分割方法、装置及计算机可读存储介质

说明书

本申请公开了一种人脸分割方法、装置及计算机可读存储介质。其中，方法包括利用特征提取网络提取待处理人脸图像的多个语义特征和多个细节特征。将各语义特征和各细节特征输入至预先构建的注意力网络模型得到输出特征图；注意力网络模型用于将各语义特征和各细节特征的输出通道数调整为相同值，基于空间注意力和通道注意力、按照特征所属网络层数由高到低，对输出通道数相同的每两个特征进行处理，以将语义特征融合至细节特征中。对输出特征图进行预测处理得到人脸分割结果，从而可有效解决人脸图像中弧度较大的边缘分割精度不高的问题，显著提高人脸分割精度。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种人脸分割方法、装置及计算机可读存储介质。

背景技术

通俗来讲，人脸分割就是将一张图像中的人脸部分精确分割出来，专门将人脸部分抠图出来，对于不同发型等对人脸造成不同的遮挡情况，也能精确的分割。目前有很多基础方法可以应用于人脸识别、换脸、人脸修图等任务中来实现人脸分割的功能，人脸分割算法是很多任务的基础算法，可以应用到人脸识别、换脸、人脸修图等任务中。在众多方法中，深度学习方法由于其独特的优势而被广泛应用在人脸分割中。

对于现有的人脸分割方法来讲，可以理解的是，由于人脸发型的不同、服饰的不同、拍摄时角度光线的不同均会对人脸造成不同的遮挡，给人脸分割带来难度，尤其是在弧度较大的边缘分割不精确。例如对于人脸的发际线弧度来说，发际线的曲线弧度平缓比较好分割，曲线弧度较大时就无法精确分割，而且齐刘海和斜刘海对人脸会造成不同的遮挡不同。

发明内容

本申请提供了一种人脸分割方法、装置及计算机可读存储介质，解决了人脸图像中弧度较大的边缘分割精度不高的问题，有效提高人脸分割精度。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种人脸分割方法，包括：

利用特征提取网络提取待处理人脸图像的多个语义特征和多个细节特征；

将各语义特征和各细节特征输入至预先构建的注意力网络模型，得到输出特征图；所述注意力网络模型用于将各语义特征和各细节特征的输出通道数调整为相同值，基于空间注意力和通道注意力、按照特征所属网络层数由高到低对输出通道数相同的每两个特征进行处理，以将各语义特征融合至各细节特征中；

对所述输出特征图进行预测处理，得到人脸分割结果。

可选的，所述将各语义特征和各细节特征的输出通道数调整为相同值包括：

利用第一预设尺寸卷积将各语义特征和各细节特征的输出通道数调整为相同值，得到各特征对应的初始特征图；

利用最邻近插值操作增大各初始特征图的图像尺寸。

可选的，所述将各语义特征和各细节特征的输出通道数调整为相同值包括：

利用第二预设尺寸卷积将各细节特征的输出通道数调整为相同值，得到各细节特征对应的初始特征图；

基于各输出通道的权重值将各语义特征的输出通道数调整为相同值。

可选的，所述对所述输出特征图进行预测处理，得到人脸分割结果包括：

基于所述框体截取特征区域方法，利用一次调整框截取所述输出特征图，预测所述输出特征图的分类和二次调整框；

基于所述框体截取特征区域方法，利用所述二次调整框截取所述输出特征图，预测三次调整框；

基于所述框体截取特征区域方法，利用所述三次调整框截取所述输出特征图，预测人脸分割并得到人脸分割结果。

可选的，所述基于所述框体截取特征区域方法，利用所述三次调整框截取所述输出特征图包括：