[发明专利]一种基于深度学习的图像处理方法、电子设备及存储介质

说明书

本发明实施例提供了一种基于深度学习的图像处理方法、电子设备及存储介质，该方法包括：调用对象检测网络模型在待处理图像中确定目标区域图像，该目标区域图像包括目标检测对象所在区域的图像；调用图像分割网络模型对目标区域图像进行语义分割处理，得到目标区域图像的语义分割结果，语义分割结果用于指示目标区域图像中的像素是否属于目标检测对象的边框区域；根据语义分割结果从目标区域图像中确定填充区域，该填充区域是指目标检测对象所在区域的图像中除边框区域之外的区域图像，并在该填充区域中填充素材图片，可以高效、准确地提取出图像中的填充区域，例如窗户、门的填充区域，并快速完成图像填充，提升了图像填充的效果和准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于深度学习的图像处理方法、电子设备及存储介质。

背景技术

随着科学技术的快速进步，硬件计算单元的性能大幅提升，使得以深度学习为主的人工智能技术得到快速发展，对三维世界的理解和应用也随之愈发的多样化。其中，以智能手机等电子设备的摄像头为输入媒介的娱乐玩法是目前人工智能技术面向广大消费者的主流选择。

在诸多玩法中，虚拟现实技术相较于传统的美妆、变脸等技术在近年来呈明显的上升趋势，其应用也日趋广泛。虚拟现实的玩法大多是将可控素材(例如图片、表情等)填充到图像中的部分区域，也即是用可控素材覆盖图像中的部分区域，该部分区域可以是图像中窗户或者门等对象所在的区域。目前在确定图像中的填充区域时通常采用三维(3D)点云和深度信息相结合的方式，或者采用对图像进行语义分割的方式。然后，3D点云和深度信息相结合的方式往往只能提取到填充区域的大概位置，导致替换时准确度较低，效果较差；对图像进行语义分割的方式通常需要大量的图像像素层级的标注数据，数据的计算量较大，效率较低，并且分割效果也容易出现斑驳、边缘不清晰等情况。可见，如何高效、准确地提取图像中的填充区域已成为亟待解决的问题。

发明内容

本发明实施例提供一种基于深度学习的图像处理方法、电子设备及存储介质，可以高效、准确地提取出图像中的填充区域，提升了图像填充的效果和准确度。

一方面，本发明实施例提供了一种基于深度学习的图像处理方法，所述方法包括：

获取待处理图像。

调用对象检测网络模型在所述待处理图像中确定目标区域图像，所述目标区域图像包括目标检测对象所在区域的图像。

调用图像分割网络模型对所述目标区域图像进行语义分割处理，得到所述目标区域图像的语义分割结果，所述语义分割结果用于指示所述目标区域图像中的像素是否属于所述目标检测对象的边框区域。

根据所述语义分割结果从所述目标区域图像中确定填充区域，并在所述填充区域中填充素材图片，所述填充区域包括所述目标检测对象所在区域的图像中除所述边框区域之外的区域图像。

另一方面，本发明实施例提供了一种图像处理装置，所述装置包括：

获取模块，用于获取待处理图像。

确定模块，用于调用对象检测网络模型在所述待处理图像中确定目标区域图像，所述目标区域图像包括目标检测对象所在区域的图像。

处理模块，用于调用图像分割网络模型对所述目标区域图像进行语义分割处理，得到所述目标区域图像的语义分割结果，所述语义分割结果用于指示所述目标区域图像中的像素是否属于所述目标检测对象的边框区域。

所述确定模块，还用于根据所述语义分割结果从所述目标区域图像中确定填充区域，所述填充区域包括所述目标检测对象所在区域的图像中除所述边框区域之外的区域图像。

所述处理模块，还用于在所述填充区域中填充素材图片。