The present disclosure relates to a method, an image restoration method, a device, a medium and a device for training an image restoration model, in which the method for training an image restoration model includes: using a preset mask image to damage a complete image and generate a damaged image; inputting a damaged image into an image restoration model and obtaining a damaged image. The restoration image and missing image are obtained; the loss value of the image restoration model is determined according to the complete image, restoration image, mask image and missing image; when the loss value is greater than the preset threshold, the image restoration model is updated according to the loss value. Therefore, the robustness and migrability of the image restoration model can be improved, and the quality of the restored image obtained from the image restoration model can be effectively improved, and the user experience can be improved.
【技术实现步骤摘要】
【国外来华专利技术】训练图像修复模型的方法、图像修复方法、装置、介质及设备
本公开涉及图像处理领域,具体地,涉及一种训练图像修复模型的方法、图像修复方法、装置、介质及设备。
技术介绍
图像修复的主要目的是还原图像中缺失的部分,在现实生活中有着广泛的应用。现有技术中,图像修复通常通过深度学习方法实现,如通过训练自编码全卷积神经网络或者对抗生成网络获得图像修复模型,从而基于该图像修复模型获得修复的图像。然而在该图像修复方式中,只通过计算上述网络修复的图像与完整图像之间的像素差异性来监督训练,使得训练所得的图像修复模型鲁棒性较低。
技术实现思路
本公开的目的是提供一种应用广泛的训练图像修复模型的方法、图像修复方法、装置、介质及设备。为了实现上述目的,根据本公开的第一方面,提供一种训练图像修复模型的方法,所述方法包括:利用预设的掩膜图像对完整图像进行破损处理,生成破损图像;将所述破损图像输入至图像修复模型,获得修复图像和缺失图像,所述缺失图像为所述破损图像的缺失部分的图像;根据所述完整图像、所述修复图像、所述掩膜图像和所述缺失图像,确定所述图像修复模型的损失值;在所述损失值大于预设阈值时,根据所述损失值更新所述图像修复模型。根据本公开的第二方面,提供一种图像修复方法,所述方法包括:接收待修复图像;将所述待修复图像输入至图像修复模型,得到修复图像,其中,所述图像修复模型是通过上述第一方面所述方法进行训练得到的。根据本公开的第三方面,提供一种训练图像修复模型的装置,所述装置包括:生成模块,用于利用预设的掩膜图像对完整图像进行破损处理,生成破损图像;修复模块,用于将所述破损图像输入至图像修复模 ...
【技术保护点】
1.一种训练图像修复模型的方法,其特征在于,所述方法包括:利用预设的掩膜图像对完整图像进行破损处理,生成破损图像;将所述破损图像输入至图像修复模型,获得修复图像和缺失图像,所述缺失图像为所述破损图像的缺失部分的图像;根据所述完整图像、所述修复图像、所述掩膜图像和所述缺失图像,确定所述图像修复模型的损失值;在所述损失值大于预设阈值时,根据所述损失值更新所述图像修复模型。
【技术特征摘要】
【国外来华专利技术】1.一种训练图像修复模型的方法,其特征在于,所述方法包括:利用预设的掩膜图像对完整图像进行破损处理,生成破损图像;将所述破损图像输入至图像修复模型,获得修复图像和缺失图像,所述缺失图像为所述破损图像的缺失部分的图像;根据所述完整图像、所述修复图像、所述掩膜图像和所述缺失图像,确定所述图像修复模型的损失值;在所述损失值大于预设阈值时,根据所述损失值更新所述图像修复模型。2.根据权利要求1所述的方法,其特征在于,在更新所述图像修复模型之后,返回所述利用预设的掩膜图像对完整图像进行破损处理,生成破损图像的步骤,直到更新后的所述图像修复模型的损失值小于或等于所述预设阈值为止。3.根据权利要求1所述的方法,其特征在于,所述修复图像通过如下方式获得:将所述破损图像与所述缺失图像叠加。4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述完整图像、所述修复图像、所述掩膜图像和所述缺失图像,确定所述图像修复模型的损失值,包括:根据所述完整图像和所述修复图像,确定第一损失值;根据所述缺失图像和所述掩膜图像,确定第二损失值;根据所述第一损失值和所述第二损失值,确定所述图像修复模型的损失值。5.根据权利要求4所述的方法,其特征在于,所述第一损失值为所述完整图像的图像矩阵与所述修复图像的图像矩阵之间的欧氏距离。6.根据权利要求4所述的方法,其特征在于,所述第二损失值为将所述缺失图像的图像矩阵中的元素与所述掩膜图像的图像矩阵中对应位置的元素相乘所得的矩阵的二范数。7.根据权利要求4所述的方法,其特征在于,所述根据所述第一损失值和所述第二损失值,确定所述图像修复模型的损失值,包括:通过如下公式确定所述图像修复模型的损失值:loss=loss1+λloss2其...
【专利技术属性】
技术研发人员:胡欢,刘兆祥,廉士国,
申请(专利权)人:深圳前海达闼云端智能科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。