模型生成方法、图像处理方法、装置以及电子设备与流程

本申请涉及计算机，更具体地，涉及一种模型生成方法、图像处理方法、装置以及电子设备。

背景技术：

1、随着图像处理的不断发展，抠图(image matting)技术开始被广泛应用。在相关方式中，可以通过matting数据集对待训练抠图模型进行训练，得到抠图模型，以通过抠图模型对图像进行抠图处理。但在相关方式中，抠图模型的准确率还有待提高。

技术实现思路

1、鉴于上述问题，本申请提出了一种模型生成方法、图像处理方法、装置以及电子设备，以实现改善上述问题。

2、第一方面，本申请提供了一种模型生成方法，所述方法包括：基于第一训练数据集和第一损失函数对待训练抠图模型进行训练，得到粗略抠图模型，所述第一训练数据集包括多张第一主体图像，以及多个第一主体图像各自的第一标注信息；基于所述第一训练数据集、第二训练数据集、所述第一损失函数、第二损失函数和第三损失函数对所述粗略抠图模型进行训练，得到精细抠图模型，所述第二训练数据集包括多张第二主体图像，以及多个第二主体图像各自的第二标注信息，所述第二标注信息与所述第一标注信息不同；基于所述第一训练数据集、所述第二训练数据集、第三训练数据集、所述第一损失函数、所述第二损失函数、所述第三损失函数和第四损失函数对所述精细抠图模型进行训练，得到目标抠图模型，所述第三训练数据集包括多张第三主体图像。

3、第二方面，本申请提供了一种图像处理方法，所述方法包括：获取待抠图图像；将所述待抠图图像输入基于权利要求1-6任一所述方法得到的目标抠图模型中，得到所述待抠图图像的抠图结果。

4、第三方面，本申请提供了一种模型生成装置，所述装置包括：模型生成单元，用于基于第一训练数据集和第一损失函数对待训练抠图模型进行训练，得到粗略抠图模型，所述第一训练数据集包括多张第一主体图像，以及多个第一主体图像各自的第一标注信息；基于所述第一训练数据集、第二训练数据集、所述第一损失函数、第二损失函数和第三损失函数对所述粗略抠图模型进行训练，得到精细抠图模型，所述第二训练数据集包括多张第二主体图像，以及多个第二主体图像各自的第二标注信息，所述第二标注信息与所述第一标注信息不同；基于所述第一训练数据集、所述第二训练数据集、第三训练数据集、所述第一损失函数、所述第二损失函数、所述第三损失函数和第四损失函数对所述精细抠图模型进行训练，得到目标抠图模型，所述第三训练数据集包括多张第三主体图像。

5、第四方面，本申请提供了一种图像处理装置，所述装置包括：待抠图图像获取单元，用于获取待抠图图像；抠图结果获取单元，用于将所述待抠图图像输入基于上所述方法得到的目标抠图模型中，得到所述待抠图图像的抠图结果。

6、第五方面，本申请提供了一种电子设备，包括一个或多个处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述的方法。

7、第六方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述的方法。

8、本申请提供的一种模型生成方法、图像处理方法、装置、电子设备以及存储介质，在基于包括多张第一主体图像，以及多个第一主体图像各自的第一标注信息的第一训练数据集和第一损失函数对待训练抠图模型进行训练，得到粗略抠图模型后；基于所述第一训练数据集、包括多张第二主体图像，以及多个第二主体图像各自的与第一标注信息不同的第二标注信息第二训练数据集、所述第一损失函数、第二损失函数和第三损失函数对所述粗略抠图模型进行训练，得到精细抠图模型，基于所述第一训练数据集、所述第二训练数据集、包括多张第三主体图像的第三训练数据集、所述第一损失函数、所述第二损失函数、所述第三损失函数和第四损失函数对所述精细抠图模型进行训练，得到目标抠图模型。通过上述方式使得，可以采用第一训练数据集、第二训练数据集和第三训练数据集对待训练抠图模型进行多损失函数的分阶段训练，由于在不同阶段所使用的训练数据集和损失函数不同，使得可以逐步完善目标抠图模型的抠图能力，从而可以提高目标抠图模型的准确程度。

技术特征：

1.一种模型生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一标注信息包括多张第一真值掩膜图像，所述多张第一真值掩膜图像为二值图像，所述基于第一训练数据集和第一损失函数对待训练抠图模型进行训练，得到粗略抠图模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一训练数据集、第二训练数据集、所述第一损失函数、第二损失函数和第三损失函数对所述粗略抠图模型进行训练，得到精细抠图模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述第一标注信息包括多张第一真值掩膜图像，所述多张第一真值掩膜图像为二值图像，所述第二标注信息包括多张第二真值掩膜图像，所述多张第二真值掩膜图像为灰度图像，所述基于所述第一训练数据集、所述第二训练数据集、所述第一损失函数和所述第二损失函数对所述粗略抠图模型进行训练，得到参考抠图模型，包括：

5.根据权利要求3所述的方法，其特征在于，所述第一标注信息包括多张第一真值掩膜图像，所述多张第一真值掩膜图像为二值图像，所述第二标注信息包括多张第二真值掩膜图像，所述多张第二真值掩膜图像为灰度图像，所述基于所述第一训练数据集、所述第二训练数据集、所述第一损失函数、所述第二损失函数和所述第三损失函数对所述参考抠图模型进行训练，得到所述精细抠图模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述第一训练数据集、所述第二训练数据集、第三训练数据集、所述第一损失函数、所述第二损失函数、所述第三损失函数和所述第四损失函数对所述精细抠图模型进行训练，得到目标抠图模型，包括：

7.一种图像处理方法方法，其特征在于，所述方法包括：

8.根据权利要求7所述的方法，其特征在于，所述将所述待抠图图像输入基于权利要求1-6任一所述方法得到的目标抠图模型中，得到所述待抠图图像的抠图结果，包括：

9.一种模型生成装置，其特征在于，所述装置包括：

10.一种图像处理装置，其特征在于，所述装置包括：

11.一种电子设备，其特征在于，包括一个或多个处理器以及存储器；

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行权利要求1-8任一所述的方法。

技术总结
本申请实施例公开了一种模型生成方法、图像处理方法、装置以及电子设备。该方法包括：基于第一训练数据集和第一损失函数对待训练抠图模型进行训练，得到粗略抠图模型；基于第一训练数据集、第二训练数据集、第一损失函数、第二损失函数和第三损失函数对粗略抠图模型进行训练，得到精细抠图模型；基于第一训练数据集、第二训练数据集、第三训练数据集、第一损失函数、第二损失函数、第三损失函数和第四损失函数对精细抠图模型进行训练，得到目标抠图模型。通过上述方式使得，可以采用第一训练数据集、第二训练数据集和第三训练数据集对待训练抠图模型进行多损失函数的分阶段训练，可以提高目标抠图模型的准确程度。

技术研发人员：王凡祎,张严浩
受保护的技术使用者：上海瑾盛通信科技有限公司
技术研发日：
技术公布日：2024/9/23