[发明专利]图像处理模型训练方法、图像处理方法、装置及电子设备

权利要求书

1.一种图像处理模型训练方法，其特征在于，包括：

获取参考图像所包括的第一对象的第一形状特征向量，以及样本图像所包括的第二对象的第二形状特征向量和属性特征向量；所述第一形状特征向量用于表征所述第一对象的形状特征；所述第二形状特征向量用于表征所述第二对象的形状特征，所述属性特征向量为所述第二对象的除所述第二形状特征向量之外的特征向量；所述第二对象的形状特征与第一对象的形状特征不同；

将所述第一形状特征向量和所述第二形状特征向量，输入待训练的图像处理模型中，得到所述第二对象的目标形状特征向量；所述目标形状特征向量通过所述待训练的图像处理模型对所述第一形状特征向量和所述第二形状特征向量进行融合处理得到；

将所述目标形状特征向量和所述属性特征向量进行渲染，得到所述样本图像对应的输出图像；

根据所述参考图像与所述输出图像之间的第一损失值，以及所述样本图像与所述输出图像之间的第二损失值，对所述待训练的图像处理模型进行训练，得到训练后的图像处理模型；所述第一损失值用于表征所述输出图像中对象的形状特征相对于所述第一对象的形状特征的损失大小，所述第二损失值用于表征所述输出图像中对象的属性特征相对于所述第二对象的属性特征的损失大小，一个对象的属性特征为所述对象中除形状特征之外的特征。

2.根据权利要求1所述的方法，其特征在于，所述获取参考图像所包括的第一对象的第一形状特征向量，包括：

将参考图像输入预先训练得到的形状特征提取模型，通过所述形状特征提取模型提取所述参考图像所包括的第一对象的多个第一形状特征图，并输出所述多个第一形状特征图；不同第一形状特征图用于表征所述第一对象的不同维度的形状特征；

将所述多个第一形状特征图分别通过全局池化，得到多个第一子形状特征向量；

将所述多个第一子形状特征向量进行拼接，得到参考图像所包括的第一对象的第一形状特征向量。

3.根据权利要求2所述的方法，其特征在于，所述形状特征提取模型的训练过程，包括：

获取包括不同类型的第三对象的第一训练图像；所述不同类型的第三对象的形状特征不同，所述第一训练图像标注有分类标签，所述分类标签用于表征所述第三对象的形状特征；

将所述第一训练图像输入待训练的形状特征提取模型，得到输出结果；所述输出结果用于表征从所述待训练的形状特征提取模型输出的图像所包括对象的形状特征；

基于所述分类标签与所述输出结果，计算所述待训练的形状特征提取模型的损失函数值；

在计算所得的损失函数值小于第一预设损失值的情况下，确定所述待训练的形状特征提取模型的模型参数，得到训练后的形状特征提取模型。

4.根据权利要求1所述的方法，其特征在于，所述将所述第一形状特征向量和所述第二形状特征向量，输入待训练的图像处理模型中，得到所述第二对象的目标形状特征向量，包括：

将所述第二形状特征向量输入所述待训练的图像处理模型的第一全连接层，得到形变后的第二形状特征向量；

将所述形变后的第二形状特征向量与带权重系数的所述第一形状特征向量，输入所述待训练的图像处理模型的第二全连接层，得到所述第二对象的目标形状特征向量；所述权重系数是预先设定的。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述参考图像与所述输出图像之间的第一损失值，以及所述样本图像与所述输出图像之间的第二损失值，对所述待训练的图像处理模型进行训练，得到训练后的图像处理模型，包括：

计算所述参考图像与所述输出图像之间的第一损失值，以及所述样本图像与所述输出图像之间的第二损失值；

在所述第一损失值和所述第二损失值之和小于第二预设损失值时，确定所述待训练的图像处理模型的模型参数，得到训练后的图像处理模型。