【技术实现步骤摘要】
图像分割模型的训练方法、装置、设备、存储介质及产品
[0001]本申请涉及图像处理
,尤其涉及一种图像分割模型的训练方法、装置、设备、存储介质及产品。
技术介绍
[0002]前景分割是图像分析领域的研究难点之一,现有的前景分割方法主要分为基于传统图像算法的前景分割方法和基于深度学习的前景分割方法。
[0003]基于传统图像算法的前景分割方法主要依赖于背景减法原理,通过构建背景模型,获得差异图像定位前景目标,以进行前景分割。而基于深度学习的前景分割算法多由检测任务和语义分割任务演化而来,从单张图像层面探索前景与背景的关系,从而进行前景分割。
[0004]但是,图像分割模型大多基于目标分割数据集进行训练,训练前需要大量的人工标注及人工收集训练数据,无疑加大了模型训练的难度。
技术实现思路
[0005]本申请提供一种图像分割模型的训练方法、装置、设备、存储介质及产品,用以解决现有的图像分割模型训练前需要大量的人工标注及人工收集训练数据的问题。
[0006]第一方面,本申请提供一种图像分割模型的训练方法,包括:将目标前景设置在目标背景图像中,得到初始帧图像,并根据所述目标前景和所述目标背景图像,得到所述初始帧图像的二值化标签;根据所述初始帧图像中的目标前景的运动信息,将多帧目标前景叠加在所述目标背景图像中,得到运动模糊图像,其中,所述运动信息包括运动方向和运动平移矩阵;将所述初始帧图像和所述运动模糊图像作为训练数据输入至图像分割模型,获取所述图像分割模型输出的预测分割图像;根据所 ...
【技术保护点】
【技术特征摘要】
1.一种图像分割模型的训练方法,其特征在于,所述方法包括:将目标前景设置在目标背景图像中,得到初始帧图像,并根据所述目标前景和所述目标背景图像,得到所述初始帧图像的二值化标签;根据所述初始帧图像中的目标前景的运动信息,将多帧目标前景叠加在所述目标背景图像中,得到运动模糊图像,其中,所述运动信息包括运动方向和运动平移矩阵;将所述初始帧图像和所述运动模糊图像作为训练数据输入至图像分割模型,获取所述图像分割模型输出的预测分割图像;根据所述预测分割图像和所述二值化标签,对所述图像分割模型进行训练,以获得训练的图像分割模型。2.根据权利要求1所述的方法,其特征在于,所述将目标前景设置在目标背景图像中,得到初始帧图像,包括:根据目标背景图像长度和目标前景长度确定目标前景左边界到目标背景图像左边界的第一距离;根据目标背景图像高度和目标前景高度确定目标前景上边界到目标背景图像上边界的第二距离;根据所述第一距离和所述第二距离,确定所述目标前景在所述目标背景图像中的目标位置;将所述目标前景设置在所述目标位置上,得到初始帧图像。3.根据权利要求2所述的方法,其特征在于,所述根据所述第一距离和所述第二距离,确定所述目标前景在所述目标背景图像中的目标位置,包括:在与所述背景图像左边界的距离小于所述第一距离的位置中任选一个第一位置;在与所述背景图像上边界的距离小于所述第二距离的位置中任选一个第二位置;根据所述第一位置、第二位置和所述目标前景的尺寸,计算所述目标前景中心点在所述目标背景图像中的目标位置。4.根据权利要求1所述的方法,其特征在于,所述根据所述初始帧图像中的目标前景的运动信息,将多帧目标前景叠加在所述目标背景图像中,得到运动模糊图像,包括:根据第i
‑
1帧目标前景在所述目标背景图像中的运动方向和预设偏移角度确定第i帧目标前景在所述目标背景图像中的运动方向,其中,i∈[1,N
‑
1],第0帧目标前景在所述目标背景图像中的运动方向是根据初始帧图像中的目标前景的运动方向确定的;根据预设帧间运动速度和所述第i帧目标前景在所述目标背景图像中的运动方向,确定第i帧目标前景相对于第i
‑
1帧目标前景在所述目标背景图像中的运动向量;根据所述运动向量确定候选平移矩阵,根据所述候选平移矩阵和所述第i
‑
1帧目标前景对应的上一运动平移矩阵,确定所述第i帧目标前景对应的目标运动平移矩阵,其中,第0帧目标前景对应的运动平移矩阵是根据初始帧图像中的目标前景的运动方向确定的;根据各帧目标前景在所述目标背景图像中的运动方向及对应的目标运动平移矩阵,将各帧目标前景叠加在所述目标背景图像中,得到运动模糊图像。5.根据权利要求1所述的方法,其特征在于,所述图像分割模型为GNet模型,所述将所述初始帧图像和所述运动模糊图像作为训练数据输入至图像分割模型,获取所述图像分割模型输出的预测分割图像,包括:
将所述初始帧图像和所述运动模糊图像分别输入至GNet模型的ResNet层中,获得初始帧图像对应的第一高分辨率特征图像和第一低分辨率特征图像及所述运动模糊图像对应的第二高分辨率特征图像和第二低分辨率特征图像,并根据所述第一高分辨率特征图像和第二高分辨率特征图像获得第一差分特征图像;将所述第一低分辨率特征图像和所述第二低分辨率特征图像输入至GNe...
【专利技术属性】
技术研发人员:刘继超,詹慧媚,付晓雪,金岩,邱敏,唐至威,胡国锋,冯谨强,
申请(专利权)人:青岛海纳云智能系统有限公司青岛海纳云数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。