[发明专利]一种人像分割方法及系统

权利要求书

1.一种人像分割方法，其特征在于，包括：

基于训练后的轻量级卷积神经网络，对人像图像进行分割，所述轻量级卷积神经网络是在卷积神经网络中添加depthwise卷积层构造的。

2.根据权利要求1所述的方法，其特征在于，所述基于训练后的轻量级卷积神经网络，对人像图像进行分割，包括：

将所述训练后的轻量级卷积神经网络转换为Caffe模型；

将所述Caffe模型转换为Coreml模型；

将所述人像图像输入至所述Coreml模型中，以对所述人像图像进行分割。

3.根据权利要求1所述的方法，其特征在于，在所述基于训练后的轻量级卷积神经网络，对人脸图像进行分割之前，还包括：

对训练样本集进行预处理；

基于预处理后的训练样本集，对所述轻量级卷积神经网络进行训练。

4.根据权利要求3所述的方法，其特征在于，所述对训练样本集进行预处理，包括：

将所述训练样本集中不含人像的图像样本标记为负样本集，并将所述训练样本集中含有人像的图像样本标记为正样本集。

5.根据权利要求3所述的方法，其特征在于，所述基于预处理后的训练样本集，对所述轻量级卷积神经网络进行训练，包括：

基于Pytorch框架以及预处理后的训练样本集，对所述轻量级卷积神经网络进行训练，得到Pytorch模型；

将所述Pytorch模型作为所述训练后的轻量级卷积神经网络。

6.根据权利要求3所述的方法，其特征在于，所述基于预处理后的训练样本集，对所述轻量级卷积神经网络进行训练，还包括：

将所述预处理后的训练样本集输入到所述轻量级卷积神经网络中，并在所述轻量级卷积神经网络中添加特征融合层。

7.根据权利要求1至6任一项所述的方法，其特征在于，在所述基于训练后的轻量级卷积神经网络，对人像图像进行分割之前，所述方法还包括：

在所述卷积神经网络中添加多个depthwise卷积层、多个上采样层和多个下采样层，以得到所述轻量级卷积神经网络。

8.一种人像分割系统，其特征在于，包括：

分割模块，用于基于训练后的轻量级卷积神经网络，对人像图像进行分割，所述轻量级卷积神经网络是在卷积神经网络中添加depthwise卷积层构造的。

9.一种人像分割设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述人像分割方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述人像分割方法。