[发明专利]模型训练、身份验证方法、装置、存储介质和计算机设备

说明书

本发明涉及一种模型训练、身份验证方法、装置、存储介质和计算机设备，其中模型训练方法包括获取原始图像和相应的带噪声图像；将所述原始图像和所述带噪声图像输入鉴别模型，得到第一鉴别置信度；通过图像生成模型，生成所述带噪声图像的去噪声图像；将所述去噪声图像和所述带噪声图像输入鉴别模型，得到第二鉴别置信度；按照增大所述第一鉴别置信度和所述第二鉴别置信度间差异的调整方式，调整所述鉴别模型和所述图像生成模型，并继续训练，直至满足训练结束条件。本申请提出的方案能够极大程度上克服图像失真的问题。

技术领域

本发明涉及计算机技术领域，特别是涉及一种模型训练、身份验证方法、装置、存储介质和计算机设备。

背景技术

随着计算机技术的发展和图像处理技术的进步，基于图像的处理方式变得越来越多样。比如，出于安全等因素考虑，会对原始图像进行处理得到相应的带噪声图像。目前，在用户使用带噪声图像进行交互时，通常需要对带噪声图像进行去噪，以得到原始图像从而进行后续交互。

然而，传统的图像去噪过程中，主要是通过基于纹理合成的方式，将已知的原始图像区域纹理扩散到待去噪的图像区域，来实现图像去噪。但在采用该方式对待去噪图像进行去噪的过程中，很容易出现误匹配的情况，从而导致处理得到的图像产生严重失真。

发明内容

基于此，有必要针对传统的图像去噪技术导致的图像失真的问题，提供一种模型训练、身份验证方法、装置、存储介质和计算机设备。

一种模型训练方法，所述方法包括：

获取原始图像和相应的带噪声图像；

将所述原始图像和所述带噪声图像输入鉴别模型，得到第一鉴别置信度；

通过图像生成模型，生成所述带噪声图像的去噪声图像；

将所述去噪声图像和所述带噪声图像输入鉴别模型，得到第二鉴别置信度；

按照增大所述第一鉴别置信度和所述第二鉴别置信度间差异的调整方式，调整所述鉴别模型和所述图像生成模型，并继续训练，直至满足训练结束条件。

一种模型训练装置，所述装置包括：

图像获取模块，用于获取原始图像和相应的带噪声图像；

第一输出模块，用于将所述原始图像和所述带噪声图像输入鉴别模型，得到第一鉴别置信度；

图像生成模块，用于通过图像生成模型，生成所述带噪声图像的去噪声图像；

第二输出模块，用于将所述去噪声图像和所述带噪声图像输入鉴别模型，得到第二鉴别置信度；

模型调整模块，用于按照增大所述第一鉴别置信度和所述第二鉴别置信度间差异的调整方式，调整所述鉴别模型和所述图像生成模型，并继续训练，直至满足训练结束条件。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时，使得所述处理器执行上述模型训练方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述模型训练方法的步骤。

上述模型训练方法、装置、存储介质和计算机设备，包括图像生成模型和鉴别模型两个模型的训练。其中，训练图像生成模型的过程在于学习生成带噪声图像的去噪声图像，训练鉴别模型的过程在于学习在给定带噪声图像的条件下，学习判断输入的另一图像是原始图像还是通过图像生成模型生成的去噪声图像。这样图像生成模型学习生成与原始图像更相似的图像，以干扰鉴别模型的判断，鉴别模型学习更加精准地进行原始图像和去噪声图像的判断，两个模型相互对抗，相互促进，使得训练得到的模型性能更优，从而在使用训练得到的图像生成模型进行图像去噪时，能够极大程度上克服图像失真的问题。