[发明专利]基于生成对抗网络的图片处理方法、装置及电子设备

权利要求书

1.一种基于生成对抗网络的图片处理方法，包括：

获取待处理的初始图片；

将所述初始图片输入生成对抗网络中的生成模型，并获得所述生成模型输出的图片；

将所述生成模型输出的图片作为处理后的具有预设风格的目标图片，其中，所述生成对抗网络是基于与所述初始图片尺寸相同的样本图片训练得到的，且所述目标图片与所述初始图片的尺寸相同，所述生成对抗网络包括所述生成模型和判别模型，所述生成模型用于在接收到输入的初始图片之后，输出转换风格后的目标图片，所述生成模型用于判别输入的图片是真实的初始图片，还是由所述生成模型生成的虚拟的目标图片，所述生成模型是所述判别模型和所述生成模型达到纳什平衡时保存的。

2.根据权利要求1所述的方法，在获取待处理的初始图片之前，还包括：

训练所述生成对抗网络中的所述生成模型和判别模型。

3.根据权利要求2所述的方法，

其中，训练所述生成对抗网络中的判别模型，包括：

将所述样本图片输入所述生成模型，获得所述生成模型输出的样本输出图片；

将所述样本图片和所述样本输出图片分别作为正负样本训练所述判别模型。

4.根据权利要求2所述的方法，

其中，训练所述生成对抗网络中的所述生成模型，包括：

将所述样本图片输入所述生成模型，获得所述生成模型输出的样本输出图片；

将所述样本输出图片作为正样本输入所述判别模型，并获得所述判别模型的判别结果，所述判别结果包括将所述样本输出图片判别为所述样本图片的概率。

5.根据权利要求4所述的方法，在获得所述判别模型的判别结果之后，还包括：

当所述判别模型和所述生成模型达到纳什平衡时，保存所述生成模型。

6.根据权利要求4所述的方法，在获得所述判别模型的判别结果之后，还包括：

当所述判别模型和所述生成模型未达到纳什平衡时，对所述生成模型进行优化，其中，所述生成模型进行优化的目标包括：相比于将优化前的所述生成模型的样本输出图片输入所述判别模型，在将所述生成模型的样本输出图片输入至所述判别模型时，所述判别模型的输出结果增大。

7.根据权利要求6所述的方法，在对所述生成模型进行优化之后，还包括：

对所述判别模型进行优化，其中，所述判别模型的优化目标包括：相比于将所述样本图片输入至优化前的所述判别模型，在将所述样本图片输入至优化后的所述判别模型时，所述判别模型的输出结果增大，并且，相比于将所述生成模型的样本输出图片输入至优化前的所述判别模型，在将所述生成模型的样本输出图片输入至优化后的所述判别模型时，所述判别模型的输出结果减小。

8.根据权利要求2-7任一项所述的方法，

所述判别模型是基于卷积神经网络和残差网络模型构造的。

9.一种基于生成对抗网络的广告图片处理方法，包括：

获取待处理的初始广告图片；

将所述初始广告图片输入生成对抗网络中的生成模型，并获得所述生成模型输出的广告图片；

将所述生成模型输出的广告图片作为处理后的具有广告风格的目标广告图片，其中，所述生成对抗网络是基于与所述初始广告图片尺寸相同的样本广告图片训练得到的，且所述目标广告图片与所述初始广告图片的尺寸相同，所述生成对抗网络包括所述生成模型和判别模型，所述生成模型用于在接收到输入的初始广告图片之后，输出转换风格后的目标广告图片，所述生成模型用于判别输入的图片是真实的初始广告图片，还是由所述生成模型生成的虚拟的目标广告图片，所述生成模型是所述判别模型和所述生成模型达到纳什平衡时保存的。