[发明专利]图像增强网络的训练方法、图像处理方法及相关设备

说明书

本发明公开了一种图像增强网络的训练方法、图像处理方法及相关设备，该训练方法中选用的图像生成网络由至少两级生成子网络组成，在训练过程中，选取初始图像作为训练样本输入图像生成网络，逐级对所述图像生成网络中的各级生成子网络进行训练，当所述图像生成网络的末级生成子网络完成训练时，结束对所述图像生成网络的训练，将训练完成的所述图像生成网络作为所述图像增强网络。本发明实施例提供的图像增强网络的训练方法，采用分层式训练方式，每一级生成子网络的输入由小尺寸开始逐级增大进行训练，相比现有对抗式生成网络一律采用全尺寸样本进行训练，综合训练量更小，训练出的图像增强网络占用空间小，运行速度更快，增加了图像增强的效率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像增强网络的训练方法、图像处理方法及相关设备。

背景技术

随着互联网技术的发展，人们越来越依赖于通过网络快速的获取信息，诸如图片、视频等。然而，通过互联网传播的大量图片，其视觉效果一般，互联网用户经常很难找到内容好且图像色彩也好的图片。通过图像增强方法提升图像的视觉效果具有广泛的应用场景。

目前深度学习技术在图像增强领域应用广泛，尤其深度学习中的生成对抗网络GAN技术逐渐兴起，应用在图像增强中可以达到良好的处理效果。现有流行的GAN网络一般占用内存较大，运行速度较慢，降低了图像增强的效率。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种图像增强网络的训练方法、图像处理方法及相关设备，技术方案如下所述：

一种图像增强网络的训练方法，包括：

获取多个初始图像，将各个所述初始图像作为训练样本输入图像生成网络，逐级对所述图像生成网络中的各级生成子网络进行训练；所述图像生成网络包括至少两级生成子网络；每个所述初始图像作为所述图像生成网络中首级生成子网络的输入，对每一级生成子网络输出的节点图像进行预处理得到的样本图像作为下一级生成子网络进行训练时的输入；每一级生成子网络的输入图像的尺寸小于其下一级生成子网络的输入图像的尺寸；

将当前处于训练状态的生成子网络输出的节点图像输入图像判别网络，经所述图像判别网络进行卷积处理后，得到与所述当前处于训练状态的生成子网络对应的判别值；

依据所述判别值更新所述当前处于训练状态的生成子网络及所述图像判别网络的网络参数，直至所述图像判别网络输出的判别值满足预设的收敛条件，结束对所述当前处于训练状态的生成子网络的训练；

当所述图像生成网络的末级生成子网络完成训练时，结束对所述图像生成网络的训练，将训练完成的所述图像生成网络作为所述图像增强网络。

上述的方法，可选的，将各个所述初始图像作为训练样本输入图像生成网络，逐级对所述图像生成网络中的各级生成子网络进行训练，包括：

对当前待训练的生成子网络进行训练时，在各个所述初始图像中任意选取多个初始图像作为训练样本输入所述图像生成网络，以对所述当前待训练的生成子网络进行训练。

上述的方法，可选的，每个所述初始图像作为所述图像生成网络的中首级生成子网络的输入，包括：

确定所述首级生成子网络输入图像的尺寸；

判断当前待输入初始图像的图像尺寸是否为所述首级生成子网络输入图像的尺寸；

若否，则将当前待输入初始图像的图像尺寸缩放至所述首级生成子网络输入图像的尺寸后，输入所述首级生成子网络。

上述的方法，可选的，对每一级生成子网络输出的节点图像进行预处理得到样本图像的过程，包括：