买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州海马体摄影有限公司申请的专利基于多任务学习的人像抠图方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114627293B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210260220.2，技术领域涉及：G06V10/26；该发明授权基于多任务学习的人像抠图方法是由夏俊设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本基于多任务学习的人像抠图方法在说明书摘要公布了：本发明公开基于多任务学习的人像抠图方法，包括以下步骤：阶段一：建立基础抠图模型：阶段二：建立精细化抠图模型：阶段三：使用精细化抠图模型进行抠图：通过以上步骤的处理，可以在高分辨率人像如1080p、2K、4K等抠图需求中做精确的抠图处理，其最终抠图得到的图像也不会存在缺陷或瑕疵，能够更好地满足人们的抠图需求。

本发明授权基于多任务学习的人像抠图方法在权利要求书中公布了：1.基于多任务学习的人像抠图方法，其特征在于：包括以下步骤：阶段一：建立基础抠图模型：S1、准备样本集，其中样本集包括RGB原始图像、RGB原始图像对应的原始透明遮罩、去除了含有人像图片的背景数据集这三种类型的图片，并将所述样本集划分成训练集和验证集；S2、从训练集中随机批量抽取样本组合，并对这些样本组合做随机增广后得到第一阶段RGB图像I、第一阶段目标透明遮罩αgt，通过对第一阶段目标透明遮罩αgt做形态学操作得到第一阶段目标分割图sgt，将第一阶段RGB图像I输入到编码器模块中进行编码，从而得到浅层纹理信息、中层特征信息和高层语义表征信息；S3、将中层特征信息、高层语义表征信息输入到Segment模块，得到一个粗糙语义分割图m，并使用交叉熵损失来监督粗糙语义分割图m的训练得到分割损失Lseg；所述分割损失Lseg的计算公式为：其中xi表示第一阶段RGB图像I，p[xi]表示xi的分割预测结果，yi表示xi对应的标签即第一阶段目标分割图sgt；S4、将高层语义表征信息和粗糙语义分割图m输入到Attention模块进行联合处理从而得到注意力表征信息；S5、将第一阶段RGB图像I以及所述注意力表征信息和浅层纹理信息输入到MattingDecoder模块，从而生成第一阶段粗糙透明遮罩αp、第一阶段残差概率图r和第一阶段隐藏特征h，使用L1损失和梯度损失来监督第一阶段粗糙透明遮罩αp的训练得到透明遮罩损失Lalp，使用L2损失来监督第一阶段残差概率图r的训练得到残差损失Lres；S6、通过对分割损失Lseg、透明遮罩损失Lalp、残差损失Lres加权求和得到总损失Ltotal；S7、使用训练集重复步骤S2-S6，并且使用验证集进行验证，得到验证集的Loss曲线图，取验证集的Loss曲线图中最低点得到的训练结果，作为基础抠图模型；阶段二：建立精细化抠图模型：S8、取所述基础抠图模型并加上Refiner模块从而形成未训练的精细化抠图模型；S9、从训练集中随机批量抽取样本组合，并对这些样本组合做随机增广得到第二阶段RGB图像I、第二阶段目标透明遮罩αgt和第二阶段目标分割图sgt，将第二阶段RGB图像I缩放到512*512像素尺寸后输入到基础抠图模型中，得到第二阶段粗糙透明遮罩αp、第二阶段残差概率图r和第二阶段隐藏特征h；S10、将第二阶段RGB图像I以及所述第二阶段粗糙透明遮罩αp、第二阶段残差概率图r和第二阶段隐藏特征h输入到Refiner模块中，从而得到一个精细化遮罩图αp，使用透明遮罩损失Lalp来监督精细化遮罩图αp的训练；S11、使用训练集重复步骤S9-S10，从而得到训练完成的精细化抠图模型；阶段三：使用精细化抠图模型进行抠图：S12、读取一张高分辨率的待抠图图像I和一个目标背景图B，将待抠图图像I缩放到2048*2048像素尺寸后输入到训练完成的精细化抠图模型中生成一个精细化遮罩图αp，再分别将精细化遮罩图αp和目标背景图B都缩放到和待抠图图像I相同的像素尺寸，记作αp′、B′，最后使用公式C＝αp′·I+1-αp′·B′得到换好背景后的图C。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州海马体摄影有限公司，其通讯地址为：310018 浙江省杭州市经济技术开发区科技园路65号10层1001号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。