[发明专利]图像转换模型训练方法、装置、终端设备及存储介质在审

专利信息
申请号: 202011422759.0 申请日: 2020-12-08
公开(公告)号: CN112508097A 公开(公告)日: 2021-03-16
发明(设计)人: 吴舒缇;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06N3/04
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 肖遥
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 转换 模型 训练 方法 装置 终端设备 存储 介质
【说明书】:

本申请适用于人工智能技术领域,提供了一种图像转换模型训练方法、装置、终端设备及存储介质,该方法包括:将原始图像和变换图像输入第一生成器、第二生成器进行图像转换得到第一转换图像和第二转换图像,将第二转换图像与原始图像、第一转换图像与变换图像进行图像比对;根据图像比对结果对第一生成器和第二生成器进行参数优化,将原始图像、变换图像对应输入参数优化后的第一生成器、第二生成器得到第三转换图像和第四转换图像;对第三转换图像和第四转换图像进行图像检测;根据图像检测结果对图像转换模型进行参数更新,直至图像转换模型收敛。本申请通过对第一生成器和第二生成器进行参数优化,提高了图像转换模型中生成器的准确性。

技术领域

本申请涉及图像处理领域,尤其涉及一种图像转换模型训练方法、装置、终端设备及存储介质。

背景技术

随着人工智能教育的发展,现有的人工智能学习需要非常专业认识的指导,不同的人工智能技术,需要不同的专业人员进行相应的教学,将人工智能技术放入教育,需要考虑简化原本的人工智能技术实现过程。现有的人工智能教育,教学对象一般是学生,如何快速准确的将人像图像转换为卡通图像,显得尤为重要。

现有的人像图像与卡通图像之间均是基于图像转换模型进行图像转换,但现有的图像转换模型训练过程中,均是基于图像中的二维频谱特征对图像转换模型进行训练,进而导致训练后的图像转换模型对图像中的三维特征转换不准确,降低了图像转换模型的准确性。

发明内容

有鉴于此,本申请实施例提供了一种图像转换模型训练方法、装置、终端设备及存储介质,以解决现有技术的图像转换模型训练过程中,由于基于二维频谱特征对图像转换模型进行训练,所导致的图像转换模型准确性差的问题。

本申请实施例的第一方面提供了一种图像转换模型训练方法,包括:

获取原始图像和与所述原始图像对应的变换图像,将所述原始图像输入图像转换模型中的第一生成器进行图像转换,并将所述第一生成器的图像转换结果输入所述图像转换模型中的第二生成器进行图像转换,得到第一转换图像;

将所述变换图像输入所述第二生成器进行图像转换,将所述第二生成器的图像转换结果输入所述第一生成器进行图像转换,得到第二转换图像,并将所述第二转换图像与所述原始图像进行图像比对、将所述第一转换图像与所述变换图像进行图像比对,得到图像比对结果;

根据所述图像比对结果对所述第一生成器和所述第二生成器进行参数优化,并将所述原始图像输入参数优化后的所述第一生成器,得到第三转换图像,以及,将所述变换图像对应输入参数优化后的所述第二生成器,得到第四转换图像;

将所述第三转换图像和所述第四转换图像输入所述图像转换模型进行图像检测,得到图像检测结果,所述图像检测结果用于分别指示所述第三转换图像和所述第四转换图像是否为真实图像;

根据所述图像检测结果对所述图像转换模型进行参数更新,直至所述图像转换模型收敛。

进一步地,所述将所述第二转换图像与所述原始图像进行图像比对、将所述第一转换图像与所述变换图像进行图像比对,包括:

分别提取所述第二转换图像、所述原始图像、所述第一转换图像和所述变换图像中的图像轮廓,得到第一轮廓图像、第二轮廓图像、第三轮廓图像和第四轮廓图像;

根据预设轮廓宽度分别对所述第一轮廓图像、所述第二轮廓图像、所述第三轮廓图像和所述第四轮廓图像进行筛选;

将筛选后的所述第一轮廓图像与所述第二轮廓图像进行轮廓比对,得到第一轮廓相似度,并将筛选后的所述第三轮廓图像与所述第四轮廓图像进行轮廓比对,得到第二轮廓相似度。

进一步地,所述将筛选后的所述第一轮廓图像与所述第二轮廓图像进行轮廓比对,得到第一轮廓相似度,并将筛选后的所述第三轮廓图像与所述第四轮廓图像进行轮廓比对,得到第二轮廓相似度,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011422759.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top