[发明专利]图像处理方法、装置、设备及存储介质

说明书

本发明公开了一种图像处理方法、装置、设备及存储介质，属于互联网领域。所述方法包括：根据图像变换指令，将原始图像输入解码网络，输出该原始图像的第一特征图；将该第一特征图依次输入与至少一个变换需求信息对应的多个变换网络，输出第二特征图；将该第二特征图输入重建网络，输出目标图像。本发明通过对多个特征变换时只经过一次解码和一次重建，使得特征数量越多时，图像处理的过程变得简洁流畅。

技术领域

本发明涉及互联网领域，特别涉及一种图像处理方法、装置、设备及存储介质。

背景技术

目前，可以采用生成式对抗网络(generative adversarial networks，GAN)的深度学习模型实现图像处理，GAN中包括解码网络、变换网络、重建网络和判别网络，通过对各个网络的参数调整，从而根据输入图像，能够通过GAN得到进行了某个特征变换的输出图像。

在GAN中，欲实现对输入图像进行多个特征的变换处理时，通常为每个单一的特征训练一个GAN，再将训练好的多个GAN依次作用于输入图像，也即是，先基于解码网络对输入图像进行解码，再基于变换网络对输入图像进行变换，最后基于重建网络对输入图像进行重建，之后再进入下一个GAN中重复上述过程，直到得到对该输入图像进行了上述多个特征变换的输出图像。

然而，在上述过程中，当特征数量越多时，需要的训练数据也就多，训练多个GAN所耗费的时间就越长，进行了多次解码和多次重建，使得图像处理的过程繁琐冗长。

发明内容

本发明实施例提供了一种图像处理方法、装置、设备及存储介质,能够解决特征数量越多，所需的训练数据越多，使得图像处理过程繁琐的问题。该技术方案如下：

一方面，提供了一种图像处理方法，该方法包括：

根据图像变换指令，将原始图像输入解码网络，输出该原始图像的第一特征图，该解码网络用于提取图像的特征；

将该第一特征图依次输入与至少一个变换需求信息对应的多个变换网络，输出第二特征图，每个变换网络用于进行图像变换处理；

将该第二特征图输入重建网络，输出目标图像，该重建网络用于将输入的特征图重建为二维图像。

一方面，提供了一种图像处理方法，该方法包括：

构建初始化的对抗网络，该对抗网络包括解码网络、多个变换网络、重建网络和多个判别网络；

根据多个图像集，训练该多个判别网络，根据该多个判别网络的训练结果，迭代训练该对抗网络；

当接收图像变换指令时，将原始图像输入训练完毕的对抗网络，输出经过图像处理的目标图像。

一方面，提供了一种图像处理装置，该装置包括：

解码模块，用于根据图像变换指令，将原始图像输入解码网络，输出该原始图像的第一特征图，该解码网络用于提取图像的特征；

变换模块，用于将该第一特征图依次输入与至少一个变换需求信息对应的多个变换网络，输出第二特征图，每个变换网络用于进行图像变换处理；

重建模块，用于将该第二特征图输入重建网络，输出目标图像，该重建网络用于将输入的特征图重建为二维图像。

一方面，提供了一种图像处理装置，该装置包括：

构建模块，用于构建初始化的对抗网络，该对抗网络包括解码网络、多个变换网络、重建网络和多个判别网络；

训练模块，用于根据多个图像集，训练该多个判别网络，根据该多个判别网络的训练结果，迭代训练该对抗网络；

处理模块，用于当接收图像变换指令时，将原始图像输入训练完毕的对抗网络，输出经过图像处理的目标图像。