[发明专利]图像处理、网络训练方法、装置、电子设备和存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

通过图像处理网络从第一图像中提取所述第一图像中包括的第一目标对象的身份特征数据；

获取所述第一目标对象的变形特征数据，并将所述变形特征数据确定为噪声数据，根据所述噪声数据，生成噪声特征数据，所述变形特征数据异于所述身份特征数据，且所述变形特征数据包括与所述第一目标对象的非身份特征相关的数据；

根据所述第一目标对象的身份特征数据和所述噪声特征数据，生成第二图像，位于所述第一图像和所述第二图像中的所述第一目标对象具有相同的身份特性；

所述方法还包括：

基于所述第二图像，训练所述图像处理网络，包括：

对所述第一图像进行非身份特征提取处理，得到所述第一图像中第一目标对象的非身份特征数据；

基于所述第一目标对象的身份特征数据和所述第一目标对象的非身份特征数据，生成重构图像；

基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一目标对象的身份特征数据和所述噪声特征数据，生成第二图像，包括：

对所述第一目标对象的身份特征数据和所述噪声特征数据进行连接处理，得到连接特征；

基于所述连接特征，生成第二图像。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第二图像，训练所述图像处理网络，包括：

对所述第二图像进行特征提取处理，得到所述第二图像的特征数据；

基于所述第二图像的特征数据，调整所述图像处理网络的网络参数。

4.根据权利要求3所述的方法，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的非身份特征数据；

所述基于所述第二图像的特征数据，调整所述图像处理网络的网络参数，包括：

基于所述第二图像的非身份特征数据和所述噪声特征数据，确定第一模型损失；

基于所述第一模型损失，调整所述图像处理网络中的第一生成网络的网络参数，其中，所述噪声特征数据是通过所述第一生成网络生成的。

5.根据权利要求3所述的方法，其特征在于，所述第二图像的特征数据包括所述第二图像中包括的第二目标对象的身份特征数据，其中，所述身份特征数据是通过所述图像处理网络的身份特征提取网络得到的；

所述基于所述第二图像的特征数据，调整所述图像处理网络的网络参数，包括：

基于所述第二目标对象的身份特征数据，确定所述第二目标对象的预测身份信息；

基于所述第二目标对象的预测身份信息以及所述第一目标对象的预测身份信息，确定第二模型损失；

基于所述第二模型损失，调整所述身份特征提取网络的网络参数。

6.根据权利要求5所述的方法，其特征在于，所述预测身份信息包括预测身份和预测身份类别，所述预测身份类别为真实图像中的目标对象身份或合成图像中的目标对象身份。

7.根据权利要求1～6中任一项所述的方法，其特征在于，所述基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数，包括：

确定所述第一图像和所述重构图像之间的第一差异；

基于所述第一差异以及所述第二图像中第二目标对象的非身份特征数据与所述噪声特征数据之间的第二差异，确定第三模型损失；

基于所述第三模型损失，确定所述图像处理网络中的非身份特征提取网络的网络参数，其中，所述非身份特征数据是通过所述非身份特征提取网络得到的。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第二图像的特征数据和所述重构图像，调整所述图像处理网络的网络参数，包括：

对所述重构图像进行特征提取处理，得到所述重构图像的特征数据；

基于所述第二图像的特征数据和所述重构图像的特征数据，调整所述图像处理网络的网络参数。