[发明专利]图像增强模型训练方法、装置、电子设备及可读存储介质

摘要

本申请实施例提供的图像增强模型训练方法、装置、电子设备及可读存储介质，其中，该方法包括，将初始图像输入卷积神经网络；从卷积神经网络中提取高层抽象局部特征；将高层抽象局部特征进行缩减处理得到高层抽象全局特征；将高层抽象局部特征与高层抽象全局特征进行融合，得到高层抽象综合特征；将高层抽象综合特征进行反卷积处理，得到输出图像；基于输出图像和目标图像，及预设的损失函数方案进行训练，得到训练后的图像增强模型。上述方法融合了图像的高层抽象局部特征和高层抽象全局特征，可以较好的结合图像的所有信息进行学习，保证图像增强模型输出的图像能更好的逼近目标图像，提升采用该图像增强模型输出的图像的增强效果。

主权项

1.一种图像增强模型训练方法，其特征在于，所述方法包括：将初始图像输入Unet卷积神经网络；从所述Unet卷积神经网络中提取所述初始图像经过卷积处理后的高层抽象局部特征；将所述高层抽象局部特征进行缩减处理得到所述初始图像的高层抽象全局特征；将所述初始图像的高层抽象局部特征与高层抽象全局特征进行融合，得到所述初始图像的高层抽象综合特征；将所述高层抽象综合特征在所述Unet卷积神经网络中进行反卷积处理，得到输出图像；基于所述输出图像和目标图像，及预设的损失函数方案对所述Unet卷积神经网络进行训练，得到训练后的图像增强模型。