[发明专利]图像增强模型的训练方法和对图像进行增强的方法

权利要求书

1.一种图像增强模型的训练方法，包括：

针对当前训练轮次：以样本图像分别作为教师网络模型和学生网络模型的输入，分别获得第一增强图像和第二增强图像；

基于所述第一增强图像和所述第二增强图像，对所述学生网络模型进行训练，获得针对当前训练轮次的训练后学生网络模型；以及

基于所述针对当前训练轮次的训练后学生网络模型的参数的第一取值和前一训练轮次确定的图像增强模型的参数的第二取值，确定当前训练轮次中所述图像增强模型的参数的取值，

其中，所述图像增强模型的初始模型与所述学生网络模型的初始模型相同；

其中，对所述学生网络模型进行训练包括：

基于所述第一增强图像和所述第二增强图像之间的差异，确定第一损失函数的取值；以及

基于所述第一损失函数的取值，对所述学生网络模型进行训练；

其中，所述方法还包括：以所述样本图像作为图像分割模型的输入，获得第一分割图像；

分别获得针对所述样本图像的第一增强图像和第二增强图像包括：

以所述第一分割图和所述样本图像作为所述教师网络模型的输入，获得所述第一增强图像；以及

以所述第一分割图和所述样本图像作为所述学生网络模型的输入，获得所述第二增强图像；

其中，所述第一损失函数包括第一子函数和第二子函数；确定第一损失函数的取值包括：

基于所述第一增强图像和所述第二增强图像之间的差异，确定所述第一子函数的取值；

基于所述第一分割图像和深度卷积神经网络模型，分别获得针对所述第一增强图像的第一特征数据和针对所述第二增强图像的第二特征数据；

基于所述第一特征数据和所述第二特征数据，确定所述第二子函数的取值；以及

基于所述第一子函数的取值和所述第二子函数的取值，确定所述第一损失函数的取值。

2. 根据权利要求1所述的方法，其中，确定当前训练轮次中所述图像增强模型的参数的取值包括：

基于预先分配的权重，确定所述第一取值和所述第二取值的加权和；以及

确定所述加权和为所述当前训练轮次中所述图像增强模型的参数的取值。

3. 根据权利要求1所述的方法，其中，所述样本图像具有指示实际增强图像的标签；对所述学生网络模型进行训练还包括：

基于所述第二增强图像和所述实际增强图像之间的差异，确定第二损失函数的取值；以及

基于所述第一损失函数的取值和所述第二损失函数的取值，对所述学生网络模型进行训练。

4. 根据权利要求1所述的方法，其中，

获得针对所述第一增强图像的第一特征数据包括：以所述第一增强图像和所述第一分割图像作为所述深度卷积神经网络模型的输入，获得第一特征数据；以及

获得针对所述第二增强图像的第二特征值包括：以所述第二增强图像和所述第一分割图像作为所述深度卷积神经网络模型的输入，获得第二特征数据。

5.根据权利要求1或4所述的方法，其中，所述第一特征数据包括多个第一数据，所述第二特征数据包括分别对应于所述多个第一数据的多个第二数据；确定所述第二子函数的取值包括：

以所述第一分割图像作为权重，分别确定所述多个第一数据中每个第一数据的加权值；

以所述第一分割图像作为权重，分别确定所述多个第二数据中每个第二数据的加权值；

针对任一第一数据和对应于所述任一第一数据的第二数据，基于所述任一第一数据的加权值与对应于所述任一第一数据的第二数据的加权值之间的差异，获得一个损失值；以及

确定获得的多个损失值的和为所述第二子函数的取值。

6.根据权利要求3所述的方法，其中，确定第二损失函数的取值包括：

以所述第二增强图像作为预定判别器的输入，获得针对所述第二增强图像的第一概率；

以所述实际增强图像作为所述预定判别器的输入，获得针对所述实际增强图像的第二概率；以及

基于所述第一概率和所述第二概率，确定所述第二损失函数的取值。