【技术实现步骤摘要】
基于小数据生成网络的图像转换方法、装置、设备及介质
[0001]本专利技术涉及图像风格转换
,尤其涉及一种基于小数据生成网络的图像转换方法、装置、设备及介质。
技术介绍
[0002]聊天软件或交友软件中通常需要使用人像体现用户的个人特征,现有技术方法可基于用户图像智能生成卡通人像以供用户在聊天软件或交友软件中进行使用。然而对生成卡通人像的模型进行训练时,通常难以收集到大量的训练数据,由于卡通人像为模型所需生成输出的目标信息,因此制作或收集的卡通人脸的数据量很少,训练数据较少导致无法对深度学习模型进行有效训练,模型基于输入的真实人脸图像所生成的卡通图像的效果很差。虽然有條件生成网络(conditional GAN)能够解决训练数据较少的问题,但有條件生成网络的生成效果远比无條件生成网络(unconditional GAN)效果差很多,虽然现有的无條件生成网络能让模型从随机变数产生小数据量的图片风格(例如卡通),生成卡通图像的效果较好,但无條件生成网络无法在小数据样本量下实现图像转换的功能。因此,现有的技术方法存在无法基于小数据样本对生成网络进行训练以实现图像转换的问题。
技术实现思路
[0003]本专利技术实施例提供了一种基于小数据生成网络的图像转换方法、装置、设备及介质,旨在解决现有技术方法中所存在的无法基于小数据样本对生成网络进行训练以实现图像转换的问题。
[0004]第一方面,本专利技术实施例提供了一种基于小数据生成网络的图像转换方法,所述方法包括:
[0005]根据预存的大 ...
【技术保护点】
【技术特征摘要】
1.一种基于小数据生成网络的图像转换方法,其特征在于,所述方法包括:根据预存的大数据图像集对初始图像转换模型进行迭代训练得到训练后的图像转换模型;根据所述图像转换模型中的多层分析网络及所述大数据图像集训练预置的编码器,以训练得到对应的目标编码器;根据所述目标编码器对所述图像转换模型进行参数配置,得到配置后的所述图像转换模型;根据预置的训练规则及预存的小数据卡通图像集对配置后的所述图像转换模型进行优化训练,得到包含卡通风格的图像转换模型;若接收到所输入的待转换图像,根据所述包含卡通风格的图像转换模型对所述待转换图像进行风格转换,以得到与所述待转换图像对应的目标卡通图像。2.根据权利要求1所述的基于小数据生成网络的图像转换方法,其特征在于,所述根据预存的大数据图像集对初始图像转换模型进行迭代训练得到训练后的图像转换模型,包括:获取所述大数据图像集中的一张人脸图像作为当前人脸图像;根据所述初始图像转换模型的卷积输入层提取得到与所述当前人脸图像对应的输入特征,所述输入特征包括隐藏变量特征及噪声特征;根据所述初始图像转换模型中的多层分析网络对所述输入特征进行特征分析,以输出与所述输入特征对应的输出图像;根据预置的损失函数计算所述输出图像与所述当前人脸图像之间的损失值;根据预置的参数调整规则及所述损失值对所述初始图像转换模型中包含的参数值进行调整;判断所述大数据图像集中是否包含未训练的其它人脸图像;若所述大数据图像集中包含未训练的其他人脸图像,获取下一张人脸图像作为当前人脸图像并返回执行所述根据所述初始图像转换模型的卷积输入层提取得到与所述当前人脸图像对应的输入特征;若所述大数据图像集中不包含未训练的其他人脸图像,将当前得到的所述初始图像转换模型确定为训练后的图像转换模型。3.根据权利要求2所述的基于小数据生成网络的图像转换方法,其特征在于,所述根据预置的参数调整规则及所述损失值对所述初始图像转换模型中包含的参数值进行调整之后,还包括:判断所述损失值是否不大于预置的损失阈值;若所述损失值不大于所述损失阈值,将当前得到的所述初始图像转换模型确定为训练后的图像转换模型;若所述损失值大于所述损失阈值,随机获取所述大数据图像集中的一张人脸图像作为当前人脸图像并返回执行所述根据所述初始图像转换模型的卷积输入层提取得到与所述当前人脸图像对应的输入特征。4.根据权利要求2所述的基于小数据生成网络的图像转换方法,其特征在于,所述根据所述图像转换模型中的多层分析网络及所述大数据图像集训练预置的编码器,以训练得到
对应的目标编码器,包括:获取所述大数据图像集中的一张人脸图像作为当前人脸图像;根据所述编码器对所述当前人脸图像进行卷积处理,以得到所述编码器中多个卷积层分别对应的卷积特征向量;将多个所述卷积层的特征图分别输入至所述多层分析网络的多个分析层中,以分析得到对应的训练人脸图像;根据所述损失函数计算所述训练人脸图像与所述当前人脸图像之间的损失值;根据所述参数调整规则及所述损失值对所述编码器中包含的参数值进行调整;判断所述大数据图像集中是否包含未训练的其它人脸图像;若所述大数据图像集中包含未训练的其他人脸图像,获取下一张人脸图像作为当前人脸图像并返回执行所述根据所述编码器对所述当前人脸图像进行卷积处理,以得到所述编码器中多个卷积层分别对应的卷积特征向量;若所述大数据图像集中不包含未训练的其他人脸图像,将当前得到的所述编码器作...
【专利技术属性】
技术研发人员:林彦硕,
申请(专利权)人:深圳万兴软件有限公司,
类型:发明
国别省市:
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。