[发明专利]一种非对称素描图像的生成方法及装置

说明书

本说明书提出一种非对称素描图像的生成方法及装置。该方法包括：获取目标光学图像；其中，所述目标光学图像包含有目标对象；利用目标全局模型处理目标光学图像，以得到包含有目标对象的目标素描图像；其中，所述目标全局模型为预先利用样本数据，以及基于预设的局部模型得到的样本数据的局部特征优化损失训练得到的。基于上述方法，能够解决现有技术中在非对称训练的前提下无法生成局部细节完整精致的非对称素描图像的问题。

技术领域

本说明书属于图像数据转换技术领域，尤其涉及一种非对称素描图像的生成方法及装置。

背景技术

在现有技术中，通常基于生成对抗网络模型将光学图像转换为对应的素描图像。但是，生成对抗网络模型难以在非对称输入的前提下对具有不同语义的光学图像的局部进行精细化处理，这导致生成的素描图像较为粗糙、局部细节欠缺。

针对上述技术问题，目前尚未提出有效的解决方案。

发明内容

本说明书提供了一种非对称素描图像的生成方法及装置，能够解决现有技术中无法生成局部细节完整精致的非对称素描图像的问题。

本说明书实施例的目的是提供一种非对称素描图像的生成方法，包括：

获取目标光学图像；其中，所述目标光学图像包含有目标对象；

利用目标全局模型处理目标光学图像，以得到包含有目标对象的目标素描图像；其中，所述目标全局模型为预先利用样本数据，以及基于预设的局部模型得到的样本数据的局部特征优化损失训练得到的。

进一步地，所述方法的另一个实施例中，按照以下方式，进行关于目标全局模型的当前轮的训练：

获取当前轮的样本数据；其中，所述样本数据包括样本光学图像、样本素描图像；

利用上一轮的全局模型处理所述样本数据，得到全局特征优化损失以及第一训练结果；其中，所述全局特征优化损失包括：全局生成对抗损失、全局多层块对比损失；

对所述样本数据、所述第一训练结果进行图像分割，分别得到样本数据的局部图像、第一训练结果的局部图像；其中，所述样本数据的局部图像包括：样本光学局部图像、样本素描局部图像；

利用上一轮的局部模型处理所述样本数据的局部图像、所述第一训练结果的局部图像，得到局部特征优化损失；其中，所述局部特征优化损失包括：局部生成对抗损失、局部多层块对比损失、全局部分生成对抗损失、全局部分多层块对比损失；

获取当前轮的训练次数；并检测当前轮的训练次数是否小于预设的训练次数阈值；

在确定当前轮的训练次数小于预设的训练次数阈值的情况下，基于所述全局特征优化损失和所述局部特征优化损失中的局部生成对抗损失、局部多层块对比损失对上一轮的全局模型、上一轮的局部模型进行调整，得到当前轮的全局模型和当前轮的局部模型。

进一步地，所述方法的另一个实施例中，所述全局模型，包括全局生成器、全局判别器、全局提取器；所述局部模型，包括局部生成器、局部判别器、局部提取器。

进一步地，所述方法的另一个实施例中，所述利用上一轮的全局模型处理所述样本数据，得到全局特征优化损失以及第一训练结果，包括：

利用所述全局生成器处理所述样本光学图像，得到第一训练结果以及第一中间图像；

利用所述全局判别器处理所述第一训练结果和所述样本素描图像，得到全局生成对抗损失；

利用所述全局提取器处理所述第一中间图像和所述第一训练结果，得到全局多层块对比损失。

进一步地，所述方法的另一个实施例中，所述利用上一轮的局部模型处理所述样本数据的局部图像、所述第一训练结果的局部图像，得到局部特征优化损失，包括：