[发明专利]模型训练、图像处理方法，装置，设备以及存储介质

说明书

本公开提供了模型训练、图像处理方法，装置，设备以及存储介质，涉及深度学习、计算机视觉领域。具体实现方案为：获取训练样本对集合，训练样本对集合中的训练样本对包括样本可见光图像和对应的样本红外图像；将各样本可见光图像输入第一生成器，得到第一红外图像后，将其输入第二生成器，得到第一可见光图像；将对应的各样本红外图像输入第二生成器，得到第二可见光图像，将其输入第一生成器，得到第二红外图像；基于所输入的样本图像以及得到的图像，确定第一目标损失函数或第二目标损失函数；根据第一目标损失函数或第二目标损失函数，训练第一生成器和第二生成器。本实现方式可以提高可见光图像和红外图像之间的转换效率和准确度。

技术领域

本公开涉及计算机技术领域，具体涉及深度学习、计算机视觉领域，尤其涉及模型训练、图像处理方法，装置，设备以及存储介质。

背景技术

随着计算机技术与互联网行业的迅猛发展，人工智能时代正悄然来临。计算机视觉处理技术不断发展成熟。其中针对人脸的识别分析任务尤为热门，其在支付，安防，人机交互等领域都有着广泛的应用。根据自然环境中的光照条件变化，这些任务需要在光照条件较好的情况下通过光学摄像头采集可见光图像作为输入，在光照条件较差的情况下，采用红外摄像头采集红外图像作为输入，两种模态数据的数量与丰富程度对上述人脸相关任务的表现起到至关重要的作用。对于关注人脸细节的任务往往对人脸细节进行精确的数据标注，但红外图像有视觉效果模糊，信噪比低，分辨率差的特点，直接在红外图像上进行数据标注会存在难度大，成本高的问题。因此，采用图像风格迁移的方法将光学图像迁移为红外图像，并且光学图像的数据标注作为红外图像的数据标注结果成为一个行之有效的解决方法。

发明内容

本公开提供了一种模型训练、图像处理方法，装置，设备以及存储介质。

根据第一方面，提供了一种模型训练方法，包括：获取训练样本对集合，训练样本对集合中的训练样本对包括样本可见光图像和对应的样本红外图像；将各样本可见光图像输入第一生成器，得到第一红外图像后，将第一红外图像输入第二生成器，得到第一可见光图像，第一生成器用于将可见光图像转换成红外图像，第二生成器用于将红外图像转换成可见光图像；将对应的各样本红外图像输入第二生成器，得到第二可见光图像，将第二可见光图像输入第一生成器，得到第二红外图像；基于所输入的样本图像以及得到的图像，确定第一目标损失函数或第二目标损失函数；根据第一目标损失函数或第二目标损失函数，训练第一生成器和第二生成器。

根据第二方面，提供了一种图像处理方法，包括：获取目标可见光图像或目标红外图像；利用已训练好的第一生成器生成目标可见光图像对应的处理红外图像或利用已训练好的第二生成器生成目标红外图像对应的处理可见光图像，其中，第一生成器和第二生成器通过如第一方面所描述的方法训练得到。

根据第三方面，提供了一种模型训练装置，包括：样本对集合获取单元，被配置成获取训练样本对集合，训练样本对集合中的训练样本对包括样本可见光图像和对应的样本红外图像；第一图像生成单元，被配置成将各样本可见光图像输入第一生成器，得到第一红外图像后，将第一红外图像输入第二生成器，得到第一可见光图像，第一生成器用于将可见光图像转换成红外图像，第二生成器用于将红外图像转换成可见光图像；第二图像生成单元，被配置成将对应的各样本红外图像输入第二生成器，得到第二可见光图像，将第二可见光图像输入第一生成器，得到第二红外图像；损失函数确定单元，被配置成基于所输入的样本图像以及得到的图像，确定第一目标损失函数或第二目标损失函数；生成器训练单元，被配置成根据第一目标损失函数或第二目标损失函数，训练第一生成器和第二生成器。

根据第四方面，提供了一种图像处理装置，包括：目标图像获取单元，被配置成获取目标可见光图像或目标红外图像；目标图像处理单元，被配置成利用已训练好的第一生成器生成目标可见光图像对应的处理红外图像或利用已训练好的第二生成器生成目标红外图像对应的处理可见光图像，其中，第一生成器和第二生成器通过如第三方面所描述的装置得到。