[发明专利]模型训练方法、分数提升方法、装置、设备、介质和产品

权利要求书

1.一种模型训练方法，包括：

使用清晰度提升模型，针对第二图像生成提升清晰度的第三图像，所述第二图像通过使第一图像模糊而被生成，其中所述第二图像是通过对所述第一图像进行第一形式的模糊以得到第五图像、并且而后对所述第五图像进行第二形式的模糊而被生成的，并且针对所述第二图像生成所述第三图像包括：

针对所述第二图像生成经所述第一形式的模糊的第六图像；以及

针对所述第六图像生成所述第三图像；

使用清晰度比较模型，判定所述第三图像与所述第一图像的清晰度是否相同；

如果判定结果为相同，则调整所述清晰度比较模型的参数，使得使用经调整的所述清晰度比较模型无法将所述清晰度判定为相同；以及

如果判定结果为不同，则调整所述清晰度提升模型的参数，使得使用经调整的所述清晰度提升模型针对所述第二图像生成的提升清晰度的第四图像与所述第一图像的清晰度差别比所述第三图像与所述第一图像的清晰度差别更小，其中调整所述清晰度提升模型的所述参数包括：

使用损失函数，针对所述第六图像和所述第五图像确定第一清晰度损失分数，其中清晰度损失分数表示两张图像之间的差别；

使用所述损失函数，针对所述第三图像与所述第一图像确定第二清晰度损失分数；以及

调整所述清晰度提升模型的所述参数，使得使用损失函数，针对使用经调整的所述清晰度提升模型针对所述第二图像生成的经所述第一形式的模糊的第七图像和所述第五图像确定的第三清晰度损失分数与针对使用经调整的所述清晰度提升模型针对所述第七图像生成的提升清晰度的第八图像确定的第四清晰度损失分数的和比所述第一清晰度损失分数与所述第二清晰度损失分数的和更小。

2.根据权利要求1所述的方法，其中所述清晰度提升模型对应于生成对抗网络中的生成部分，并且所述清晰度比较模型对应于所述生成对抗网络中的对抗部分。

3.根据权利要求1所述的方法，其中所述清晰度提升模型包括多级特征金字塔网络模型，并且生成所述第三图像包括：

使用所述多级特征金字塔网络模型，通过对所述第二图像进行多次下采样并且进行相同次数的多次上采样来生成所述第三图像。

4.根据权利要求1所述的方法，其中判定所述第三图像与所述第一图像的清晰度是否相同包括：

确定所述第三图像与所述第一图像的所述清晰度差别是否小于等于预定差别阈值。

5.根据权利要求4所述的方法，其中所述清晰度比较模型的所述参数包括所述预定差别阈值，并且调整所述清晰度比较模型的所述参数包括：

减小所述预定差别阈值，使得减小的所述预定差别阈值小于所述第三图像与所述第一图像的所述清晰度差别。

6.根据权利要求4所述的方法，其中调整所述清晰度提升模型的所述参数包括：

调整所述清晰度提升模型的参数，使得所述第四图像与所述第一图像的所述清晰度差别小于等于所述预定差别阈值。

7.根据权利要求1所述的方法，其中判定所述第三图像与所述第一图像的清晰度是否相同包括：

采用相同的分割方式将所述第三图像与所述第一图像分割成多个部分；以及

判定分割出的对应的部分的清晰度是否相同。

8.根据权利要求1所述的方法，其中所述清晰度提升模型的所述参数包括以下至少一项：

在针对所述第二图像生成所述第三图像时的像素大小变化关系；以及

在针对所述第二图像生成所述第三图像时的像素位置变化关系。

9.根据权利要求1所述的方法，其中调整所述清晰度提升模型的所述参数包括：

调整所述清晰度提升模型的所述参数，使得使用损失函数，针对所述第四图像与所述第一图像确定的清晰度损失分数比针对所述第三图像与所述第一图像确定的清晰度损失分数更小。

10.一种图像清晰度分数提升方法，包括使用根据权利要求1至9中的任一权利要求而被训练的清晰度提升模型，针对输入图像生成提升清晰度的图像。