[发明专利]图像分割方法、装置、设备及计算机可读存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

获取待训练数据；

通过所述待训练数据对预设的待训练模型进行训练，获得训练后的图像分割模型，其中，所述待训练模型是通过具有编码功能的轻量级模型与具有解码功能的轻量级网络集成后获得的。

2.根据权利要求1所述的方法，其特征在于，所述获取待训练数据，包括：

接收待处理图像集，所述待处理图像集中包括多张具有完整人脸头发区域的图像；

通过预设的标注工具对所述待处理图像集中的图像进行特征标注，获得标注后的图像集；

对所述待处理图像集以及所述标注后的图像集中的图像进行数据增广，获得所述待训练数据。

3.根据权利要求2所述的方法，其特征在于，所述通过预设的标注工具对所述待处理图像集中的图像进行特征标注，包括：

通过预设的像素级标注工具对所述待处理图像集中的图像的人脸区域与头发区域进行标注。

4.根据权利要求2所述的方法，其特征在于，所述对所述待处理图像集以及所述标注后的图像集中的图像进行数据增广，包括：

分别对所述待处理图像集以及所述标注后的图像集中的图像进行随机旋转和/或随机偏移和/或颜色扰动操作，以使数据增广后的待处理图像集中的图像与所述标注后的图像集中的图像一一对应。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述具有编码功能的轻量级模型为MobileNet_V2模型，所述具有解码功能的轻量级网络为Unet模型；

所述待训练模型是通过将所述Unet模型的编码部分替换为所述MobileNet_V2模型后生成的。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述待训练模型包括卷积层、深度可分离卷积层、Batchnorm层、激活函数层、上采样层、深度可分离反卷积层、反卷积层以及反激活函数层。

7.根据权利要求1-4任一项所述的方法，其特征在于，所述通过所述待训练数据对预设的待训练模型进行训练，获得训练后的图像分割模型之后，还包括：

接收待分割图像；

通过所述图像分割模型对所述图像中的人脸区域与头发区域进行分割。

8.一种图像分割装置，其特征在于，包括：

待训练数据获取模块，用于获取待训练数据；

训练模块，用于通过所述待训练数据对预设的待训练模型进行训练，获得训练后的图像分割模型，其中，所述待训练模型是通过具有编码功能的轻量级模型与具有解码功能的轻量级网络集成后获得的。

9.根据权利要求8所述的装置，其特征在于，所述待训练数据获取模块包括：

接收单元，用于接收待处理图像集，所述待处理图像集中包括多张具有完整人脸头发区域的图像；

标注单元，用于通过预设的标注工具对所述待处理图像集中的图像进行特征标注，获得标注后的图像集；

数据增广单元，用于对所述待处理图像集以及所述标注后的图像集中的图像进行数据增广，获得所述待训练数据。

10.根据权利要求9所述的装置，其特征在于，所述标注单元具体用于：

通过预设的像素级标注工具对所述待处理图像集中的图像的人脸区域与头发区域进行标注。

11.根据权利要求9所述的装置，其特征在于，所述数据增广单元具体用于：

分别对所述待处理图像集以及所述标注后的图像集中的图像进行随机旋转和/或随机偏移和/或颜色扰动操作，以使数据增广后的待处理图像集中的图像与所述标注后的图像集中的图像一一对应。