[发明专利]一种抠图模型训练、图像抠图的方法及装置

说明书

本申请适用于图像处理的技术领域，提供一种抠图模型训练、图像抠图的方法及装置，所述校正方法包括：获取训练样本集合、初始教师模型以及初始学生模型；通过所述训练样本集合，训练所述初始教师模型得到目标教师模型以及所述目标教师模型输出的第一透明度蒙版；分别将所述目标教师模型中的第一权重参数迁移至所述初始学生模型中的各个子网络中，得到过渡学生模型；根据所述第一透明度蒙版以及所述训练样本集合，训练所述过渡学生模型得到抠图模型。由于抠图模型不仅拥有目标教师模型中的第一权重参数，且不断学习目标教师模型输出的第一透明度蒙版，故在保证处理精度的前提下，巧妙地缩减了模型的体量以及处理时长。

技术领域

本申请属于图像处理的技术领域，尤其涉及一种抠图模型训练、图像抠图的方法及装置。

背景技术

在图像处理领域中，前景抠图是一种常用的处理手段。其中，前景抠图是指提取图像中感兴趣区域(前景)，获取一张精细的透明度蒙版，利用透明度蒙版从图像或视频中提取抠图对象，从而将抠图对象应用于照片编辑、电影再创作中。

传统的抠图技术，往往采用抠图模型获取透明度蒙版，进而根据透明度蒙版从图像或视频中提取抠图对象。然而，为了进一步提升抠图模型的处理精度，传统的抠图模型往往体量较大，导致处理时长较长，无法应用于实时抠图的应用场景。

发明内容

有鉴于此，本申请实施例提供了一种抠图模型训练的方法、一种图像抠图的方法、一种抠图模型训练的装置、一种图像抠图的装置、第一终端设备、第二终端设备以及计算机可读存储介质，可以解决传统的抠图模型往往体量较大，导致处理时长较长，无法应用于实时抠图的应用场景的技术问题。

本申请实施例的第一方面提供了一种抠图模型训练的方法，所述方法包括：

获取训练样本集合、初始教师模型以及初始学生模型；其中，所述初始学生模型的网络结构复杂度低于所述初始教师模型的网络结构复杂度；每个训练样本中包括输入样本和输出样本；所述输入样本包括待抠图图像、背景图像以及所述待抠图图像的深度图像，所述输出样本包括待抠图图像对应的标准透明度蒙版；

通过所述训练样本集合，训练所述初始教师模型得到目标教师模型以及所述目标教师模型输出的第一透明度蒙版；

分别将所述目标教师模型中的第一权重参数迁移至所述初始学生模型中的各个子网络中，得到过渡学生模型；

根据所述第一透明度蒙版以及所述训练样本集合，训练所述过渡学生模型得到抠图模型。

本申请实施例的第二方面提供了一种图像抠图的方法，所述方法包括：

获取待抠图图像、背景图像以及所述待抠图图像对应的深度图像；其中，所述待抠图图像和所述背景图像为相同取景位置下采集的图像，所述待抠图图像中包括抠图对象，所述背景图像中不包括所述抠图对象；

将所述待抠图图像、所述背景图像以及所述深度图像输入预先训练的抠图模型中，得到由所述抠图模型输出的目标透明度蒙版；所述抠图模型由过渡学生模型训练得到，所述过渡学生模型由目标教师模型的第一权重参数迁移至初始学生模型得到；所述抠图模型的网络结构复杂度低于所述目标教师模型的网络结构复杂度；

根据所述目标透明度蒙版，截取所述待抠图图像中所述抠图对象对应的抠图图像。

本申请实施例的第三方面提供了一种抠图模型训练的装置，所述装置包括：

第一获取单元，用于获取训练样本集合、初始教师模型以及初始学生模型；其中，所述初始学生模型的网络结构复杂度低于所述初始教师模型的网络结构复杂度；每个训练样本中包括输入样本和输出样本；所述输入样本包括待抠图图像、背景图像以及所述待抠图图像的深度图像，所述输出样本包括待抠图图像对应的标准透明度蒙版；