[发明专利]图像处理方法、装置、电子设备、介质和计算机程序产品

说明书

本公开涉及一种图像处理方法、装置、电子设备、介质和计算机程序产品。通过获取原始图像中的目标对象的可见区域的第一掩码，其中，所述原始图像中包含目标对象，所述目标对象部分区域被遮挡物遮挡；将所述原始图像和所述第一掩码堆叠后输入目标神经网络模型中，得到所述原始图像中的目标对象的目标完整掩码，由于目标神经网络模型基于原始图像样本、目标对象样本的预设解析掩码以及目标对象样本的参考完整掩码训练得到的，考虑了目标对象各部分的语义信息，因此，得到目标对象的目标完整掩码的准确性更高。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备、介质和计算机程序产品。

背景技术

在图像处理领域，通常需要对图像中一些被部分遮挡的目标对象进行补全，目标对象可以为人体或者其他物体，以人体为例，假设在一张图像中，人体部分被遮挡物遮挡，则需要通过一系列的图像处理，将人体被遮挡的部分补全，得到一个完整的人体。通常，对目标对象进行补全的过程中，通常需要预测目标对象的目标完整掩码。

现有技术中，通常将原始图像输入到实例分割网络中，通过实例分割网络得到目标对象的可见区域的掩码，然后再基于目标对象的可见区域的掩码通过一个神经网络模型得到目标对象的目标完整掩码。

然而，采用现有技术得到目标对象的目标完整掩码的准确性不高。

发明内容

为了解决上述技术问题，本公开提供了一种图像处理方法、装置、电子设备、介质和计算机程序产品。

本公开第一方面提供一种图像的处理方法，包括：

获取原始图像中的目标对象的可见区域的第一掩码，其中，所述原始图像中包含目标对象，所述目标对象部分区域被遮挡物遮挡；

将所述原始图像和所述第一掩码堆叠后输入目标神经网络模型中，得到所述原始图像中的目标对象的目标完整掩码，其中，所述目标神经网络模型基于原始图像样本、目标对象样本的预设解析掩码以及目标对象样本的参考完整掩码训练得到的，所述原始图像样本中包含所述目标对象样本，所述目标对象样本的部分区域被遮挡物遮挡，所述预设解析掩码包含所述目标对象样本的各部分的语义掩码标签。

可选的，还包括：

将所述目标对象的目标完整掩码减去所述第一掩码，得到所述目标对象的不可见区域的掩码。

可选的，所述将所述原始图像和所述第一掩码堆叠后输入目标神经网络模型中之后，还包括：

输出所述原始图像中的目标对象的完整解析掩码，所述完整解析掩码包含所述目标对象的各部分的语义掩码标签。

可选的，还包括：

将所述目标对象的目标完整掩码减去所述第一掩码，得到所述目标对象的不可见区域的掩码；

将所述目标对象的不可见区域的掩码与所述目标对象的完整解析掩码相乘，得到所述目标对象的不可见区域的语义掩码标签。

可选的，所述获取原始图像中的目标对象的可见区域的第一掩码之前，还包括：

获取所述原始图像样本中的目标对象样本的第二掩码；

将所述原始图像样本和所述第二掩码输入神经网络模型中，得到所述原始图像样本中的目标对象样本的目标完整掩码和所述目标对象样本的完整解析掩码；

将所述目标对象样本的参考完整掩码和所述目标对象样本的预设解析掩码作为监督信号，利用所述监督信号及所述目标对象样本的目标完整掩码和所述目标对象样本的完整解析掩码得到损失函数，对所述神经网络模型进行训练，直到所述神经网络模型收敛，将收敛后的神经网络模型作为所述目标神经网络模型。

可选的，还包括：