[发明专利]一种抠图网络训练方法及抠图方法

说明书

本申请涉及图像处理技术领域，尤其涉及一种抠图网络训练方法及抠图方法。该抠图网络训练方法包括：获取带标注和无标注的样本图像，所述样本图像包括目标物，所述标注是所述样本图像的目标物抠图结果；利用多重知识蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络。本申请实施例利用多重知识蒸馏的方式，基于教师网络得到轻量化的用于目标物抠图的学生网络，提升了网络推理的速度，同时也保证了网络推理的精度。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种抠图网络训练方法及抠图方法。

背景技术

在图像处理技术领域，抠图是一种常用的处理手段。

随着深度学习的发展，极大地促进了抠图技术的发展。在基于深度学习的抠图方法中，神经网络模型作为图像特征的提取模块，对图像的表征更好从而可以取得良好的抠图效果。

但是，大型的神经网络模型的计算量大，需要耗费很多的计算资源，在计算量低的边缘移动设备中，耗时严重，难以实现实时抠图。而轻量化(或小型)的神经网络模型虽然模型参数量更少，提升了推理速度，但精度却因参数量减少而损失较大。

发明内容

有鉴于此，本申请实施例提供了一种抠图网络训练方法及抠图方法，可以解决相关技术中的至少一个技术问题。

第一方面，本申请一实施例提供了一种抠图网络训练方法，包括：获取带标注和无标注的样本图像，所述样本图像包括目标物，所述标注是所述样本图像的目标物抠图结果；利用多重知识蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络。

本申请实施例利用多重知识蒸馏的方式，基于教师网络得到轻量化的用于目标物抠图的学生网络，提升了网络推理的速度，同时也保证了网络推理的精度。

在一些实施例中，所述利用多重知识蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络，包括：先采用离线蒸馏后采用自监督蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络。

在一些实施例中，所述先采用离线蒸馏后采用自监督蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络，包括：先采用离线蒸馏的方式，使用带标注的样本图像对教师网络和学生网络进行训练，得到经训练的学生网络；再采用自监督蒸馏的方式，将教师网络替换为离线蒸馏方式训练得到的学生网络，对学生网络的参数进行随机初始化，基于带标注和不带标注的样本图像对教师网络和学生网络进行训练，得到用于目标物抠图的学生网络。

在一些实施例中，所述利用多重知识蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络，包括：先采用半监督蒸馏后采用自监督蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络。

在一些实施例中，所述先采用半监督蒸馏后采用自监督蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络，包括：先采用半监督蒸馏的方式，使用不带标注的样本图像对教师网络和学生网络进行训练，得到经训练的学生网络；再采用自监督蒸馏的方式，将教师网络替换为半监督蒸馏方式训练得到的学生网络，对学生网络的参数进行随机初始化，基于带标注和不带标注的样本图像对教师网络和学生网络进行训练，得到用于目标物抠图的学生网络。

在一些实施例中，所述利用多重知识蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络，包括：先采用离线蒸馏、然后采用半监督蒸馏、最后采用自监督蒸馏的方式，基于所述样本图像对教师网络和学生网络进行训练，得到轻量化的用于目标物抠图的学生网络。