[发明专利]图像生成方法、装置、设备及介质

权利要求书

1.一种图像生成模型训练方法，其特征在于，所述方法包括：

获取训练图像；

基于信道注意网络中的编码器处理所述训练图像，生成第一特征图，以及基于所述信道注意网络中的解码器处理所述训练图像，生成第二特征图；

基于所述信道注意网络中的多通道注意力模块对所述第一特征图和所述第二特征图进行整合，生成第三特征图；

基于所述第三特征图对所述信道注意网络进行训练，得到图像生成模型；

其中，所述信道注意网络是将所述多通道注意力模块添加至U-Net模型中并进行调整而得到的，所述信道注意网络中的编码器和解码器之间跳跃连接。

2.根据权利要求1所述的方法，其特征在于，所述基于所述信道注意网络中的多通道注意力模块对所述第一特征图和所述第二特征图进行整合，生成第三特征图，包括：

基于所述多通道注意力模块，对所述第一特征图进行全局平均池化，生成信道统计量，将所述信道统计量与预设的先验知识量连接，并进行降维转换，生成全连接特征向量，基于所述第一特征图、所述第二特征图以及所述全连接特征向量，生成所述第三特征图。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第三特征图对所述信道注意网络进行训练，包括：

基于所述第三特征图、所述信道注意网络的损失函数、自适应矩估计Adam优化算法，对所述信道注意网络的参数进行调整。

4.根据权利要求3所述的方法，其特征在于，所述信道注意网络的损失函数包括对抗损失函数和辅助分类损失函数。

5.一种图像生成方法，其特征在于，所述方法包括：

获取待处理图像；

基于所述图像生成模型对所述待处理图像进行图像生成，得到图像生成结果，其中，所述图像生成模型基于权利要求1-4任意一项所述的图像生成模型训练方法得到。

6.一种图像生成模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取训练图像；

生成模块，用于基于信道注意网络中的编码器处理所述训练图像，生成第一特征图，以及基于所述信道注意网络中的解码器处理所述训练图像，生成第二特征图；

整合模块，用于基于所述信道注意网络中的多通道注意力模块对所述第一特征图和所述第二特征图进行整合，生成第三特征图；

训练模块，用于基于所述第三特征图对所述信道注意网络进行训练，得到图像生成模型；

其中，所述信道注意网络是将所述多通道注意力模块添加至U-Net模型中并进行调整而得到的，所述信道注意网络中的编码器和解码器之间跳跃连接。

7.根据权利要求6所述的装置，其特征在于，所述整合模块具体用于：

基于所述多通道注意力模块，对所述第一特征图进行全局平均池化，生成信道统计量，将所述信道统计量与预设的先验知识量连接，并进行降维转换，生成全连接特征向量，基于所述第一特征图、所述第二特征图以及所述全连接特征向量，生成所述第三特征图。

8.根据权利要求6所述的装置，其特征在于，所述训练模块具体用于：

基于所述第三特征图、所述信道注意网络的损失函数、自适应矩估计Adam优化算法，对所述信道注意网络的参数进行调整。

9.根据权利要求8所述的装置，其特征在于，所述信道注意网络的损失函数包括对抗损失函数和辅助分类损失函数。

10.一种图像生成装置，其特征在于，所述装置包括：

获取模块，用于获取待处理图像；

生成模块，用于基于所述图像生成模型对所述待处理图像进行图像生成，得到图像生成结果，其中，所述图像生成模型基于权利要求1-4任意一项所述的图像生成模型训练方法得到。