[发明专利]图像滤镜转换网络训练方法、计算机可读存储介质

说明书

本申请公开了一种图像滤镜转换网络训练方法、计算机可读存储介质。本申请的图像滤镜转换网络训练方法包括：获取第一预设神经网络、第二预设神经网络；对所述第一预设神经网络进行目标风格训练得到目标风格生成网络，对所述第二预设神经网络进行真人图像训练得到真人图像转换网络；将所述目标风格生成网络、所述真人图像转换网络进行插值混合，得到图像滤镜转换模型。本申请所提供的方法通过图像滤镜转换模型对真人图像进行图像滤镜转换，能够生成相应风格并保留人物个人特色的图像。

技术领域

本申请涉及计算机图像处理技术领域，尤其涉及一种图像滤镜转换网络训练方法、计算机可读存储介质。

背景技术

在相关技术中，通过对图像中的人脸关键点进行识别，根据人脸关键点的位置将风格贴纸图像贴附于对应的位置，以对图像进行风格转换。

例如，对图像进行卡通风格风格转换，一般通过将卡通图像对应的眼睛、鼻子、嘴唇贴附于真人图像中的对应五官上。然而，上述方法使得风格转换后的图像相似度较高。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种图像滤镜转换网络训练方法、计算机可读存储介质。本申请所提供的图像滤镜转换网络训练方法，可通过图像滤镜转换模型对真人图像进行图像滤镜转换，能够生成相应风格并保留人物个人特色的图像。

本申请实施例第一方面提供一种图像滤镜转换网络训练方法，包括：获取第一预设神经网络、第二预设神经网络；对所述第一预设神经网络进行目标风格训练得到目标风格生成网络，对所述第二预设神经网络进行真人图像训练得到真人图像转换网络；将所述目标风格生成网络、所述真人图像转换网络进行插值混合，得到图像滤镜转换模型。

本申请实施例中图像滤镜转换网络训练方法包括如下技术效果：根据上述方法所训练得到的图像滤镜转换模型将真人图像作为原始数据进行转换，在转换的过程中交错进行，以进行图像滤镜转换。通过图像滤镜转换模型对真人进行图像滤镜转换能够生成相应风格并保留人物个人特色的图像。

在一些实施例中，所述第一预设神经网络和\或所述第二预设神经网络，包括：解码网络；所述解码网络，包括：正则化系数生成网络，用于根据初始潜码生成正则化系数；噪声数据生成网络，用于根据与信道相对应的噪声系数、随机噪声生成噪声数据；综合网络，用于根据预设常量、所述正则化系数、所述噪声数据生成目标图像。

在一些实施例中，所述正则化系数生成网络，包括：归一化单元，用于对所述初始潜码进行归一化处理得到归一化潜码；全链接层，用于对所述归一化潜码进行非线性变换得到潜码系数；仿射变换单元，用于对所述潜码系数进行仿射变换得到所述正则化系数。

在一些实施例中，所述综合网络，包括：第一综合子网络、第二综合子网络；所述第一综合子网络，用于根据所述预设常量、所述噪声数据、所述正则化系数进行卷积处理及正则化处理，并输出目标子图像；所述第二综合子网络，用于根据所述目标子图像、所述噪声数据、所述正则化系数进行上采样处理、卷积处理及正则化处理，并输出所述目标图像。

在一些实施例中，所述第二预设神经网络，还包括：图像数据转化网络，用于初始图像进行数据多维度转化，并将得到的数据作为所述解码网络的输入；所述图像数据转化网络，包括：残差网络，用于对所述初始图像进行特征提取，以得到与不同维度对应的多维度图像；转化卷积层，用于将所述多维度图像转换潜码。

在一些实施例中，所述对所述第一预设神经网络进行目标风格训练得到目标风格生成网络，包括：将随机噪声输入至所述第一预设神经网络，并输出风格图像；根据第一辨别器对所述风格图像、与所述风格图像对应的参照图像进行辨别，得到第一辨别结果；根据所述第一辨别结果对所述第一预设神经网络进行参数迭代修正，得到所述目标风格生成网络。