[发明专利]单图输入自监督抠图模型训练方法、抠图方法及装置在审
| 申请号: | 202111470123.8 | 申请日: | 2021-12-03 |
| 公开(公告)号: | CN114119639A | 公开(公告)日: | 2022-03-01 |
| 发明(设计)人: | 朱州 | 申请(专利权)人: | 北京影谱科技股份有限公司 |
| 主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/194;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京知呱呱知识产权代理有限公司 11577 | 代理人: | 丁彦峰 |
| 地址: | 100125 北京市朝阳区*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 输入 监督 模型 训练 方法 装置 | ||
1.一种单图输入自监督抠图模型训练方法,其特征在于,所述方法包括:
获取原始图片,其中包括获取一张背景图片和n张通过标注的前景图片,n为正整数;
生成训练数据集,将n张通过标注的前景图片分别进行随机处理后放置在所述背景图片中的随机位置后得到所述训练数据集,所述训练数据集中包括n张生成图片以及每张生成图片对应的alpha标签;
构建自监督抠图模型,所述抠图模型包括第一神经网络和第二神经网络;
利用所述训练数据集训练所述抠图模型,包括将生成图片输入到所述第一神经网络中得到前景特征图以及前景alpha通道值;
将所述前景特征图以及前景alpha通道值输入到第二神经网络中,得到输出结果。
2.根据权利要求1所述的方法,其特征在于,所述将n张通过标注的前景图片分别进行随机处理,包括:
将n张通过标注的前景图片中的每一张图片分别进行随机缩放、翻转、旋转和裁剪操作。
3.根据权利要求1所述的方法,其特征在于,将所述前景特征图以及前景alpha通道值输入到第二神经网络中,得到输出结果,还包括:
通过所述输出结果与此轮训练输入的生成图片所对应的alpha标签进行计算MSE损失,并根据损失值调整抠图模型中的参数。
4.根据权利要求1所述的方法,其特征在于,所述第一神经网络为带注意力模块的UNet网络结构。
5.根据权利要求1所述的方法,其特征在于,所述第二神经网络为CNN网络结构。
6.一种抠图方法,其特征在于,所述方法包括:
将目标图片输入自监督抠图模型,所述自监督抠图模型由权利要求1所述训练方法得到,包括:将所述目标图片输入到所述第一神经网络中得到前景特征图以及前景alpha通道值;
将所述前景特征图以及前景alpha通道值输入到第二神经网络中,得到输出结果。
7.一种自监督抠图模型训练装置,其特征在于,所述装置包括:
获取模块,用于获取原始图片,其中包括获取一张背景图片和n张通过标注的前景图片,n为正整数;
生成模块,用于生成训练数据集,将n张通过标注的前景图片分别进行随机处理后放置在所述背景图片中的随机位置后得到所述训练数据集,所述训练数据集中包括n张生成图片以及每张生成图片对应的alpha标签;
构建模块,用于构建自监督抠图模型,所述抠图模型包括第一神经网络和第二神经网络;
训练模块,用于利用所述训练数据集训练所述抠图模型,包括将生成图片输入到所述第一神经网络中得到前景特征图以及前景alpha通道值;还包括,将所述前景特征图以及前景alpha通道值输入到第二神经网络中,得到输出结果。
8.根据权利要求7所述的装置,其特征在于,所述将n张通过标注的前景图片分别进行随机处理,包括:
将n张通过标注的前景图片中的每一张图片分别进行随机缩放、翻转、旋转和裁剪操作。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
调整模块,用于通过输出结果与此轮训练输入的生成图片所对应的alpha标签进行计算MSE损失,并根据损失值调整抠图模型中的参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京影谱科技股份有限公司,未经北京影谱科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111470123.8/1.html,转载请声明来源钻瓜专利网。





