[发明专利]模型训练方法及图像转换方法、装置、设备和存储介质

权利要求书

1.一种图像转换方法，其特征在于，包括：

获取需要转换的第一图像数据；

通过图像转换模型中的多个第一网络层，对所述第一图像数据进行特征提取和下采样处理，以提取出多个尺度的特征图；

通过所述图像转换模型中的多个第二网络层，对所述提取出的多个尺度的特征图进行上采样和特征融合处理；

将所述多个第二网络层最终输出的特征图输入到所述图像转换模型中的输出层，以获取所述输出层输出的第二图像数据，所述第一图像数据对应的第一分辨率与所述第二图像数据对应的第二分辨率不同。

2.根据权利要求1所述的方法，其特征在于，每个第一网络层包括卷积层和池化层。

3.根据权利要求2所述的方法，其特征在于，所述通过图像转换模型中的多个第一网络层，对所述第一图像数据进行特征提取和下采样处理，以提取出多个尺度的特征图，包括：

对于所述多个第一网络层中的目标第一网络层，通过卷积层对输入图像进行特征提取，以提取出目标尺度的特征图；

通过池化层对所述目标尺度的特征图进行下采样处理，其中，经所述下采样处理后得到的特征图作为下一个第一网络层的输入图像；

其中，若所述目标第一网络层是所述多个第一网络层中最低层级的第一网络层，则所述目标第一网络层的输入图像对应于所述第一图像数据。

4.根据权利要求1所述的方法，其特征在于，每个第二网络层包括特征融合层和上采样层。

5.根据权利要求4所述的方法，其特征在于，所述通过所述图像转换模型中的多个第二网络层，对所述提取出的多个尺度的特征图进行上采样和特征融合处理，包括：

对于所述多个第二网络层中的目标第二网络层，通过上采样层对输入特征图进行上采样处理，以上采样出目标尺度的特征图；

通过特征融合层将上采样出的目标尺度的特征图与所述多个第一网络层提取出的所述目标尺度的特征图进行拼接，对拼接后得到的特征图进行特征提取处理，其中，经所述特征提取处理后得到的特征图作为下一个第二网络层的输入特征图；

其中，若所述目标第二网络层是所述多个第二网络层中的最低层级的第二网络层，则所述目标第二网络层的输入特征图对应于所述多个第一网络层提取出的最小尺度的特征图。

6.根据权利要求1所述的方法，其特征在于，所述图像转换模型中还包括由至少一个残差块构成的残差网络层；

所述方法还包括：

将所述多个第一网络层输出的最小尺度的特征图输入到所述残差网络层中。

7.根据权利要求1所述的方法，其特征在于，所述获取需要转换的第一图像数据，包括：

获取需要转换的视频；

对所述视频进行分帧处理，以得到的多帧图像作为所述第一图像数据。

8.一种图像转换装置，其特征在于，包括：

获取模块，用于获取需要转换的第一图像数据；

处理模块，用于通过图像转换模型中的多个第一网络层，对所述第一图像数据进行特征提取和下采样处理，以提取出多个尺度的特征图；通过所述图像转换模型中的多个第二网络层，对所述提取出的多个尺度的特征图进行上采样和特征融合处理；将所述多个第二网络层最终输出的特征图输入到所述图像转换模型中的输出层，以获取所述输出层输出的第二图像数据，所述第一图像数据对应的第一分辨率与所述第二图像数据对应的第二分辨率不同。

9.一种电子设备，其特征在于，包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的图像转换方法。

10.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的图像转换方法。