[发明专利]一种人像分割方法及系统

说明书

本发明实施例提供了一种人像分割方法及系统，该方法包括：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。本发明实施例提供的人像分割方法及系统，通过构造和训练轻量级卷积神经网络，降低了卷积神经网络的参数量，提高了基于卷积神经网络进行人像分割的效率。

技术领域

本发明实施例涉及计算机视觉领域，尤其涉及一种人像分割方法及系统。

背景技术

人像分割是计算机视觉领域的基础课题之一，在学术界与工业界都受到了广泛的重视。随着移动互联网的飞速发展，在视频会议和直播聊天等应用中，传统的人像分割方法存在处理速度慢、准确率低、算法复杂度高等显著问题。

近年来随着深度学习的发展，基于卷积神经网络的人像分割方法取得了极大的发展。为了提高人像分割准确率，通常会设计深度卷积神经网络进行人像分割，可以分割出较好的分割线。然而，深度卷积神经网络在提高分割准确率的同时，却忽略了对分割速率的要求，再加上深度卷积神经网络模型的压缩处理比较繁琐，以及训练模型尺寸较大，以至处理人像分割的效率较低。

因此，为了提高人像分割的效率，现在亟需一种人像分割方法及系统来解决上述问题。

发明内容

本发明实施例为解决现有技术中基于卷积神经网络进行人像分割存在效率较低的缺陷，提供了一种人像分割方法及系统。

第一方面，本发明实施例提供了一种人像分割方法，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。

第二方面，本发明实施例提供了一种人像分割系统，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。

第三方面，本发明实施例提供了一种人像分割设备，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，所述处理器执行所述程序时实现如第一方面所述的人像分割方法。

第四方面，本发明实施例提供了一种非暂态计算机可读存储介质，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第一方面所述的人像分割方法。

本发明实施例提供的人像分割方法及系统，通过构造和训练轻量级卷积神经网络，从而降低了卷积神经网络的参数量，提高了基于卷积神经网络进行人像分割的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的人像分割方法的流程示意图；

图2为本发明实施例提供的轻量级卷积神经网络框架模型示意图；

图3为本发明实施例提供的人像分割系统的结构示意图；

图4为本发明实施例提供的人像分割设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。