[发明专利]图像分割方法、装置、设备及计算机存储介质有效

专利信息
申请号: 202010321146.1 申请日: 2020-04-22
公开(公告)号: CN111507997B 公开(公告)日: 2023-07-25
发明(设计)人: 陈杨;戴宇榮 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/174 分类号: G06T7/174;G06T7/194;G06N3/08
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 李昂;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 分割 方法 装置 设备 计算机 存储 介质
【权利要求书】:

1.一种图像分割方法,其特征在于,所述方法包括:

响应于进行图像分割的操作指令,获取待处理视频中的当前帧图像和所述当前帧图像的前一帧图像的图像分割结果;

基于所述当前帧图像和前一帧图像的图像分割结果确定所述当前帧图像的预测前景概率结果;

基于所述当前帧图像的预测前景概率结果、所述当前帧图像的前一帧图像至前k帧图像的前景概率结果,确定所述当前帧图像的目标前景概率结果;

基于所述当前帧图像的目标前景概率结果和所述当前帧图像,确定所述当前帧图像的图像分割结果;

至少基于所述当前帧图像的图像分割结果和所述当前帧图像,确定目标图像;

输出并显示所述目标图像。

2.根据权利要求1中所述的方法,其特征在于,当所述当前帧图像为所述待处理视频中的第一帧图像时,所述方法还包括:

获取预设图像对应的预设分割结果,并将所述预设分割结果确定为所述第一帧图像的前一帧图像的图像分割结果;

对应地,所述基于所述当前帧图像和前一帧图像的图像分割结果确定所述当前帧图像的预测前景概率结果,包括:基于所述第一帧图像和所述预设分割结果确定所述第一帧图像的预测前景概率结果。

3.根据权利要求1中所述的方法,其特征在于,所述基于所述当前帧图像的预测前景概率结果、所述当前帧图像的前一帧图像至前k帧帧图像的前景概率结果,确定所述当前帧图像的目标前景概率结果,包括:

基于所述当前帧图像的预测前景概率结果、所述当前帧图像的前一帧图像至前k帧帧图像的前景概率结果,分别确定所述当前帧图像与所述前一帧图像至所述前k帧图像的k个前景概率差值;

基于所述k个前景概率差值分别确定前一帧图像至前k帧帧图像对应的权值;

基于所述当前帧图像的预测前景概率结果、所述当前帧图像的前一帧图像至前k帧帧图像的前景概率结果以及前一帧图像至前k帧帧图像对应的权值,确定所述当前帧图像的目标前景概率结果。

4.根据权利要求3中所述的方法,其特征在于,所述当前帧图像的目标前景概率结果包括所述当前帧图像中各个像素点为前景像素点的概率值,对应地,所述基于所述当前帧图像的目标前景概率结果,确定所述当前帧图像的图像分割结果,包括:

获取预设的概率阈值;

基于所述当前帧图像中各个像素点为前景像素点的概率值和所述概率阈值,确定各个像素点对应的结果值;

基于各个像素点对应的结果值确定所述当前帧图像的图像分割结果。

5.根据权利要求1至4任一项中所述的方法,其特征在于,所述基于所述当前帧图像和前一帧图像的图像分割结果确定所述当前帧图像的预测前景概率结果,包括:

将所述当前帧图像和前一帧图像的图像分割结果输入至训练好的神经网络模型,得到所述当前帧图像的预测前景概率结果。

6.根据权利要求5中所述的方法,其特征在于,所述方法还包括:

获取训练数据,其中,所述训练数据包括训练图像、所述训练图像的训练图像分割结果和所述训练图像的前一帧图像的图像分割结果;

利用预设的神经网络模型,对所述训练图像和所述训练图像的前一帧图像的图像分割结果进行预测处理,得到所述训练图像的预测图像分割结果;

基于所述训练图像的训练图像分割结果和预测图像分割结果,对所述神经网络模型进行反向传播训练,得到训练好的神经网络模型。

7.根据权利要求6中所述的方法,其特征在于,所述获取训练数据包括:

获取训练图像和所述训练图像的训练图像分割结果;

对所述训练图像分割结果进行变换,得到所述训练图像的前一帧图像的图像分割结果,所述变换包括缩放、平移、旋转、压缩、薄板样条变换中的至少一种。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010321146.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top