[发明专利]一种图像风格迁移模型训练方法以及图像风格迁移方法

说明书

本申请提供了一种图像风格迁移模型训练方法以及图像风格迁移方法，图像风格迁移模型训练方法包括：获取风格参考图像以及内容图像；将风格参考图像以及内容图像输入第一神经网络，为内容图像提取第一特征向量，并为风格参考图像提取第二特征向量；基于第一特征向量对内容图像进行还原，得到内容图像的迁移图像；将风格参考图像和迁移图像输入第一神经网络，为迁移图像提取第三特征向量；基于第二特征向量和第三特征向量，计算风格参考图像以及迁移图像之间的色调损失；根据色调损失，对第一神经网络进行训练。该方法能够以更快的速度得到训练好的图像风格迁移模型。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种图像风格迁移模型训练方法以及图像风格迁移方法。

背景技术

图像风格迁移的目的是要对图像的纹理、色彩、内容等进行定向的改变，使得图像由一种风格风变化为另外一种；例如将人的照片进行风格迁移，得到具有油画风格的图像，将光线较昏暗条件下拍摄得到的风景照片进行风格迁移，得到在光线较明亮条件下的图像等。

现有技术中通常通过为图像增加对应处理效果的滤镜实现图像的风格迁移，但是通过滤镜的形式仅是在图像上增加一个层(mask)而并没有对图像的像素进行修改，也就是图像本身并没有真正的做到风格迁移，并且滤镜的种类有限，对于滤镜对应风格之外的风格无法进行风格迁移。

发明内容

有鉴于此，本申请实施例的目的在于提供一种图像风格迁移模型训练方法图像风格迁移方法，通过机器学习的方式对图像进行风格迁移，与现有技术中增加滤镜的方式相比，使的图像的像素得到修改，图像本身真正实现了风格迁移，并且迁移的风格不受滤镜风格的限制，即使不存在滤镜的风格也可以实现风格迁移。

第一方面，本申请实施例提供了一种图像风格迁移模型训练方法，包括：

获取风格参考图像以及内容图像；

将所述风格参考图像以及所述内容图像输入第一神经网络，为所述内容图像提取第一特征向量，并为所述风格参考图像提取第二特征向量；

基于所述第一特征向量对所述内容图像进行还原，得到所述内容图像的迁移图像；

将所述风格参考图像和所述迁移图像输入所述第一神经网络，为所述迁移图像提取第三特征向量；

基于所述第二特征向量和所述第三特征向量，计算所述风格参考图像以及所述迁移图像之间的色调损失；

根据所述色调损失，对所述第一神经网络进行训练。

第二方面，本申请实施例还提供一种图像风格迁移方法，该方法包括：

获取待迁移图像；

将所述待迁移图像输入至通过本申请任意一项实施例所述的图像风格迁移模型训练方法得到的图像风格迁移模型中；所述图像风格迁移模型包括第一神经网络以及第二神经网络；

所用所述第一神经网络为所述待迁移图像提取特征向量，并基于所述特征向量使用所述第二神经网络对所述待迁移图像进行还原，得到的所述待迁移图像的迁移图像。