[发明专利]图像生成模型的训练方法、图像处理方法及装置

权利要求书

1.一种图像生成模型的训练方法，其特征在于，包括：

获取随机向量，所述随机向量为预设维度的向量；

将所述随机向量输入到待训练的图像生成模型中进行处理，得到包括多个通道的特征图；

对所述特征图的特征层进行分组，得到包含目标数目个特征层分组的目标特征图，其中，所述目标数目为所述特征图的通道数的约数；

根据所述随机向量、所述特征图的通道数和所述目标数目设置预设归一化转化函数的可学习参数，得到目标归一化转化函数；

根据所述目标归一化转化函数对所述特征图进行归一化处理，得到中间特征图；

利用所述待训练的图像生成模型对所述中间特征图进行处理，得到预测图像；

基于所述预测图像和样本图像，对所述待训练的图像生成模型的参数进行调整，得到训练好的图像生成模型，所述样本图像为具有指定脸部特征的图像。

2.根据权利要求1所述的方法，其特征在于，所述图像生成模型为生成式对抗网络或变分自编码器。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述随机向量、所述特征图的通道数和所述目标数目设置预设归一化转化函数的可学习参数，得到目标归一化转化函数，包括：

根据所述随机向量，所述特征图的通道数和所述目标数目分别生成第一矩阵和第二矩阵，其中，所述第一矩阵的列数、所述第二矩阵的列数与所述随机向量的维度相同，根据所述特征图的通道数和所述目标数目分别生成第一向量和第二向量，所述第一矩阵的行数、所述第二矩阵的行数、所述第一向量的行数和所述第二向量的行数相同；

根据所述第一矩阵，所述随机向量和所述第一向量，所述第二矩阵和所述第二向量设置预设归一化转化函数的可学习参数，得到目标归一化转化函数。

4.根据权利要求3所述的方法，其特征在于，所述预设归一化转化函数为其中，x为目标特征图，E(x)为x的均值，Var(x)为x的方差，y(x)为所述中间特征图，γ与β为可学习参数。

5.根据权利要求4所述的方法，其特征在于，所述目标归一化转化函数为：

其中，Z表示所述随机向量，A_γ表示所述第一矩阵，B_γ表示所述第一向量，A_β表示所述第二矩阵，B_β表示所述第二向量，其中Z为m维列向量，A_γ和A_β均为g×m个数组成的g行m列的矩阵，B_γ和B_β均为g维列向量，其中g为根据所述特征图的通道数设置的，其中其中C表示所述特征图的通道数，G为所述目标数目，其中g为整数。

6.一种图像处理方法，其特征在于，包括：

获取待处理图像或待处理随机向量；

将所述待处理图像或所述待处理随机向量输入训练好的图像生成模型中进行处理，得到具有指定脸部特征的图像，所述训练好的图像生成模型是根据权利要求1至5任一所述的方法训练得到的。

7.一种图像生成模型的训练装置，其特征在于，包括：

采集模块，被配置为获取随机向量，所述随机向量为预设维度的向量；

处理模块，被配置为将所述随机向量输入到待训练的图像生成模型中进行处理，得到包括多个通道的特征图；

分组模块，被配置为对所述特征图的特征层进行分组，得到包含目标数目个特征层分组的目标特征图，其中，所述目标数目为所述特征图的通道数的约数；

设置模块，被配置为根据所述随机向量、所述特征图的通道数和所述目标数目设置预设归一化转化函数的可学习参数，得到目标归一化转化函数；

归一化模块，被配置为根据所述目标归一化转化函数对所述特征图进行归一化处理，得到中间特征图；

处理模块，被配置为利用所述待训练的图像生成模型对所述中间特征图进行处理，得到预测图像；

训练模块，被配置为基于所述预测图像和样本图像，对所述待训练的图像生成模型的参数进行调整，得到训练好的图像生成模型，所述样本图像为具有指定脸部特征的图像。