[发明专利]神经网络模型的训练、延时摄影视频的生成方法及设备

权利要求书

1.一种神经网络模型的训练方法，其特征在于，包括：

获取多个训练视频；其中，各训练视频包括第一预设数目帧图像；

对于每个训练视频，提取并复制第N帧图像，生成包括第一预设数目张所述第N帧图像的第N帧图像集；其中，1≤N≤P，P表示所述第一预设数目；

以所述训练视频和所述第N帧图像集训练预先建立的基础生成对抗网络；其中，所述基础生成对抗网络包括基础生成器网络和基础判别器网络；

所述训练之后的基础生成器网络作为备选的用于生成延时摄影视频的神经网络模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述第N帧图像集输入至所述训练之后的基础生成器网络，得到所述训练之后的基础生成器网络输出的第一基础延时摄影视频；

以所述第一基础延时摄影视频和所述第N帧图像集对应的训练视频训练预先建立的优化生成对抗网络；其中，所述优化生成对抗网络包括优化生成器网络和优化判别器网络；

所述训练之后的基础生成器网络和所述训练之后的优化生成器网络组合形成的神经网络模型，作为备选的所述用于生成延时摄影视频的神经网络模型。

3.根据权利要求1或2所述的方法，其特征在于，所述以所述训练视频和所述第N帧图像集训练预先建立的基础生成对抗网络，包括：

将所述第N帧图像集输入至所述基础生成器网络，得到所述基础生成器网络输出的第二基础延时摄影视频；

将所述第二基础延时摄影视频和所述第N帧图像集对应的训练视频输入至所述基础判别器网络，通过基础生成对抗网络的损失函数计算基础生成对抗网络的损失；

基于所述基础生成对抗网络的损失，分别更新所述基础生成器网络和所述基础判别器网络的参数。

4.根据权利要求2所述的方法，其特征在于，所述以所述第一基础延时摄影视频和所述第N帧图像集对应的训练视频训练预先建立的优化生成对抗网络，包括：

将所述第一基础延时摄影视频输入至所述优化生成器网络，得到所述优化生成器网络输出的优化延时摄影视频；

将所述优化延时摄影视频和所述第N帧图像集对应的训练视频输入至所述优化判别器网络，通过优化生成对抗网络的损失函数计算优化生成对抗网络的损失；

基于所述优化生成对抗网络的损失，分别更新所述优化生成器网络和所述优化判别器网络的参数。

5.根据权利要求3所述的方法，其特征在于，所述基础生成对抗网络的损失函数为：

对抗损失函数与基于L1范数的内容损失函数之和。

6.根据权利要求4所述的方法，其特征在于，所述优化生成对抗网络的损失函数为：

预设常数与排序损失函数的乘积、对抗损失函数以及基于L1范数的内容损失函数三者相加之和；

其中，所述排序损失函数用于基于格拉姆gram矩阵提取所述优化判别器网络中特征层的特征参数，计算排序ranking损失。

7.一种延时摄影视频的生成方法，其特征在于，所述方法使用权利要求1～6任一项训练生成的用于生成延时摄影视频的神经网络模型，所述方法包括：

获取原始图片；

复制所述原始图片，生成包括第一预设数目张所述原始图片的原始图片集；

将所述原始图片集输入至所述用于生成延时摄影视频的神经网络模型；

通过所述神经网络模型重构第二预设数目张各原始图片的内容，输出包括第三预设数目帧图像的延时摄影视频；所述第二预设数目等于所述第一预设数目减1，所述第三预设数目小于或等于所述第一预设数目。