【技术实现步骤摘要】
模型训练方法
[0001]本申请涉及深度学习
,尤其涉及一种模型训练方法。
技术介绍
[0002]在进行人脸图像信号处理时,可以使用基于深度学习的图像去噪方法进行图像降噪,即将待处理人脸图像输入至图像降噪网络模型中进行降噪处理。
[0003]但是,相关技术中,图像降噪模型容易将人脸图像中不同目标物之间的边界细节特征当成噪点去除,如图像降噪模型对低照度场景下的人脸图像进行降噪处理时,容易将人脸五官边界细节当成噪点去除,从而影响最终的图像信号处理质量。
技术实现思路
[0004]本申请的主要目的在于提供一种模型训练方法,旨在解决图像降噪模型降噪不准确的技术问题。
[0005]为实现上述目的,本申请提供一种模型训练方法,方法包括:获取待训练人脸图像降噪模型以及训练样本集,训练样本集包括多组图像对,每组图像对包括样本人脸图像和参考人脸图像;待训练人脸图像降噪模型用于对样本人脸图像进行降噪处理,获得降噪后图像;对样本人脸图像进行语义分割,获得至少一个语义分割区域;基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失,构建待训练人脸图像降噪模型的第一损失函数;利用训练样本集和第一损失函数训练待训练人脸图像降噪模型,获得目标图像降噪模型。
[0006]在本申请可能的一实施例中,基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失,构建待训练人脸图像降噪模型的第一损失函数,包括:基于参考人脸图像和降噪后图像之间各语义分割区域的结构损失,以及各语义分割区域的区域权重,构建待训练人脸 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,所述方法包括:获取待训练人脸图像降噪模型以及训练样本集,所述训练样本集包括多组图像对,每组所述图像对包括样本人脸图像和参考人脸图像;所述待训练人脸图像降噪模型用于对所述样本人脸图像进行降噪处理,获得降噪后图像;对所述样本人脸图像进行语义分割,获得至少一个语义分割区域;基于所述参考人脸图像和所述降噪后图像之间各所述语义分割区域的结构损失,构建所述待训练人脸图像降噪模型的第一损失函数;利用所述训练样本集和所述第一损失函数训练所述待训练人脸图像降噪模型,获得目标图像降噪模型。2.根据权利要求1所述的模型训练方法,其特征在于,所述基于所述参考人脸图像和所述降噪后图像之间各所述语义分割区域的结构损失,构建所述待训练人脸图像降噪模型的第一损失函数,包括:基于所述参考人脸图像和所述降噪后图像之间各所述语义分割区域的结构损失,以及各所述语义分割区域的区域权重,构建所述待训练人脸图像降噪模型的第一损失函数。3.根据权利要求1所述的模型训练方法,其特征在于,所述基于所述参考人脸图像和所述降噪后图像之间各所述语义分割区域的结构损失,构建所述待训练人脸图像降噪模型的第一损失函数,包括:确定所述待训练人脸图像降噪模型的第一参考损失函数分量;基于所述参考人脸图像和所述降噪后图像之间各所述语义分割区域的结构损失,构建结构损失函数分量;基于所述第一参考损失函数分量,所述第一参考损失函数分量的第一权重、所述结构损失函数分量以及所述结构损失函数分量的第二权重,构建所述第一损失函数。4.根据权利要求1至3任一项所述的模型训练方法,其特征在于,所述获取待训练人脸图像降噪模型以及训练样本集,包括:获取待训练图像降噪插值网络模型以及训练样本集;所述图像降噪插值网络模型包括依次连接的所述待训练人脸图像降噪模型和图像插值模型,所述样本人脸图像为RAW原始人脸图像,所述参考人脸图像为彩色人脸图像,且图像插值模型用于对所述降噪后图像进行光谱上采样插值重建,获得重建彩色人脸图像;所述利用所述训练样本集和所述第一损失函数训练所述待训练人脸图像降噪模型,获得目标图像降噪模型,包括:基于所述重建彩色人脸图像和所述参考人脸图像,构建所述图像插值模型的第二损失函数;利用所述训练样本集、所述第一损失函数和所述第二损失函数,训练所述待训练图像降噪插值网络模型,获得目标图像降噪插值网络模型。5.根据权利要求4所述的模型训练方法,其特征在于,所述基于所述重建彩色人脸图像和所述参考人脸图像,构建所述图像插值模型的第二损失函数,包括:确定所述图像插值模型的第二参考损失函数分量;基于所述重建彩色人脸图像和所述参考人脸图像之间的高低频损失函数分量、所述高低频损失函数分量对应的第三权重、所述第二参考损失函数分量以及所述第二参考损失函
数分量的第四权重,构建所述第二损失函数。6.根据权利要求4所述的模型训练方法,其特征在于,所述利用所述训练样本集、所述第一损失函数和所述第二损失函数,训练所述待训练图像降噪插值网络模型,获得目标图像降噪插值网络模型,包括:基于所述第一损失函数、所述第一损失函数的第五权重、所述第二损失函数以及所述第二损失函数的第六权重,构建联合损失函数;利用所述训练样本集和所述联合损失函数,训练所述待训练图像降噪插值网络模型,获得目标图像降...
【专利技术属性】
技术研发人员:沈晰强,傅斌,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
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。