图像分割模型训练方法、图像处理方法、装置及存储介质与流程

技术特征：
1.一种图像分割模型训练方法，其特征在于，包括以下步骤：获取非虚拟形象图像样本和非虚拟形象分割标签、虚拟形象图像样本和虚拟形象分割标签、通用图像样本和显著性分割标签；利用所述非虚拟形象图像样本对初始图像分割模型进行训练，得到第一图像分割模型，其中，在利用所述非虚拟形象图像样本对所述初始图像分割模型进行训练的过程中，根据所述非虚拟形象分割标签修正所述初始图像分割模型的参数；利用所述虚拟形象图像样本和所述通用图像样本对所述第一图像分割模型进行训练，得到目标图像分割模型，其中，在利用所述虚拟形象图像样本对所述第一图像分割模型进行训练时，根据所述虚拟形象分割标签修正所述第一图像分割模型的参数；在利用所述通用图像样本对所述第一图像分割模型进行训练时，根据所述显著性分割标签修正所述第一图像分割模型的参数。2.根据权利要求1所述的图像分割模型训练方法，其特征在于，所述非虚拟形象图像样本包括不同分辨率的非虚拟形象动态图像样本；所述利用所述非虚拟形象图像样本对初始图像分割模型进行训练，得到第一图像分割模型，包括：获取不同分辨率下的不同时序长度的所述非虚拟形象动态图像样本；利用各个分辨率下的各个时序长度的所述非虚拟形象动态图像样本对所述初始图像分割模型进行训练，得到第一图像分割模型。3.根据权利要求2所述的图像分割模型训练方法，其特征在于，所述利用各个分辨率下的各个时序长度的所述非虚拟形象动态图像样本对所述初始图像分割模型进行训练，得到第一图像分割模型，包括：利用相同分辨率下的不同时序长度的所述非虚拟形象动态图像样本对所述初始图像分割模型进行模型迭代训练，得到第二图像分割模型；利用不同分辨率下的不同时序长度的所述非虚拟形象动态图像样本对所述第二图像分割模型进行训练，得到第一图像分割模型。4.根据权利要求3所述的图像分割模型训练方法，其特征在于，所述相同分辨率下的不同时序长度包括第一时序长度和第二时序长度；所述利用相同分辨率下的不同时序长度的所述非虚拟形象动态图像样本对所述初始图像分割模型进行模型迭代训练，得到第二图像分割模型，包括：利用所述第一时序长度的所述非虚拟形象动态图像样本对所述初始图像分割模型进行训练，得到第三图像分割模型；利用所述第二时序长度的所述非虚拟形象动态图像样本对所述第三图像分割模型进行训练，得到第二图像分割模型。5.根据权利要求1所述的图像分割模型训练方法，其特征在于，所述虚拟形象图像样本和所述虚拟形象分割标签由以下步骤得到：获取虚拟环境图像素材、虚拟形象图像素材和所述虚拟形象图像素材所对应的透明度通道图；将所述虚拟形象图像素材与所述虚拟环境图像素材进行图像融合，得到所述虚拟形象图像样本；
将所述透明度通道图与所述虚拟环境图像素材进行图像融合，得到所述虚拟形象分割标签。6.根据权利要求5所述的图像分割模型训练方法，其特征在于，所述将所述虚拟形象图像素材与所述虚拟环境图像素材进行图像融合，得到所述虚拟形象图像样本，包括：对所述虚拟形象图像素材进行几何变换、颜色变换或添加随机噪声中的至少一种处理，得到多个目标图像素材；将各个所述目标图像素材与所述虚拟环境图像素材进行图像融合，得到多个所述虚拟形象图像样本。7.根据权利要求6所述的图像分割模型训练方法，其特征在于，所述将所述透明度通道图与所述虚拟环境图像素材进行图像融合，得到所述虚拟形象分割标签，包括：对所述透明度通道图进行几何变换、颜色变换或添加随机噪声中的至少一种处理，得到多个目标通道图，其中，所述目标通道图与所述目标图像素材一一对应；将各个所述目标通道图与所述虚拟环境图像素材进行图像融合，得到多个与所述虚拟形象图像样本对应的所述虚拟形象分割标签。8.根据权利要求1所述的图像分割模型训练方法，其特征在于，所述虚拟形象图像样本和所述虚拟形象分割标签由以下步骤得到：获取非虚拟形象图像素材和所述非虚拟形象图像素材所对应的非虚拟形象素材分割标签；对所述非虚拟形象图像素材进行虚拟形象风格化，得到所述虚拟形象图像样本；将所述非虚拟形象素材分割标签作为所述虚拟形象分割标签。9.一种图像处理方法，其特征在于，包括以下步骤：获取待处理图像；将所述待处理图像输入至目标图像分割模型进行图像分割，得到第一分割图像；利用所述第一分割图像进行图像防遮挡处理；其中，所述目标图像分割模型通过权利要求1至8任意一项所述的图像分割模型训练方法训练得到。10.根据权利要求9所述的图像处理方法，其特征在于，所述利用所述第一分割图像进行图像防遮挡处理，包括：对所述第一分割图像进行高斯模糊，得到第二分割图像；根据预设阈值对所述第二分割图像进行二值化，得到二值化图像；对所述二值化图像进行连通域检测，得到所述二值化图像中的连通域；根据所述连通域得到掩膜图像；根据所述掩膜图像对所述待处理图像进行图像防遮挡处理。11.根据权利要求10所述的图像处理方法，其特征在于，所述根据所述连通域得到掩膜图像，包括：对所述连通域进行空洞填补，得到填补图像；对所述填补图像进行矢量化，得到掩膜图像。12.一种图像分割模型训练装置，其特征在于，包括：样本获取单元，用于获取非虚拟形象图像样本和非虚拟形象分割标签、虚拟形象图像
样本和虚拟形象分割标签、通用图像样本和显著性分割标签；第一训练单元，用于利用所述非虚拟形象图像样本对初始图像分割模型进行训练，得到第一图像分割模型，其中，在利用所述非虚拟形象图像样本对所述初始图像分割模型进行训练的过程中，根据所述非虚拟形象分割标签修正所述初始图像分割模型的参数；第二训练单元，用于利用所述虚拟形象图像样本和所述通用图像样本对所述第一图像分割模型进行训练，得到目标图像分割模型，其中，在利用所述虚拟形象图像样本对所述第一图像分割模型进行训练时，根据所述虚拟形象分割标签修正所述第一图像分割模型的参数；在利用所述通用图像样本对所述第一图像分割模型进行训练时，根据所述显著性分割标签修正所述第一图像分割模型的参数。13.一种图像处理装置，其特征在于，包括：图像获取单元，用于获取待处理图像；图像分割单元，用于将所述待处理图像输入至目标图像分割模型进行图像分割，得到第一分割图像；图像防遮挡单元，用于利用所述第一分割图像进行图像防遮挡处理；其中，所述目标图像分割模型通过如权利要求12所述的图像分割模型训练装置训练得到。14.一种电子设备，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当至少一个所述程序被至少一个所述处理器执行时实现如权利要求1至8任意一项所述的图像分割模型训练方法，或者实现如权利要求9至11任意一项所述的图像处理方法。15.一种计算机可读存储介质，其特征在于，其中存储有处理器可执行的计算机程序，所述处理器可执行的计算机程序被处理器执行时用于实现如权利要求1至8任意一项所述的图像分割模型训练方法，或者实现如权利要求9至11任意一项所述的图像处理方法。

技术总结
本发明公开了一种图像分割模型训练方法、图像处理方法、装置及存储介质，在获取非虚拟形象图像样本和非虚拟形象分割标签、虚拟形象图像样本和虚拟形象分割标签、通用图像样本和显著性分割标签之后，先利用非虚拟形象图像样本对初始图像分割模型进行训练以得到第一图像分割模型，然后利用虚拟形象图像样本和通用图像样本对第一图像分割模型进行训练以得到目标图像分割模型。本发明实施例能够更为准确地实现对虚拟形象图像的图像分割。本发明可以广泛应用于例如人工智能、智慧交通、辅助驾驶、音视频等各种需要对图像进行图像防遮挡处理的场景的信息处理技术中。的场景的信息处理技术中。的场景的信息处理技术中。


技术研发人员：曾颖森 沈招益 郑天航 杨思庆
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.09.13
技术公布日：2022/10/27