网络训练方法、装置、计算设备及计算机存储介质制造方法及图纸

本发明专利技术公开了一种网络训练方法、装置、计算设备及计算机存储介质，其中，网络训练方法通过多次迭代完成；其中一次迭代过程的训练步骤包括：提取第一样本图像和第二样本图像；根据第一网络和第一样本图像，得到与第一样本图像的风格对应的第二网络；利用第二网络，生成与第二样本图像对应的第三样本图像；根据第三样本图像与第一样本图像、第二样本图像之间的损失更新第一网络的权重参数；迭代执行上述训练步骤，直至满足预定收敛条件。根据本发明专利技术提供的技术方案，能够训练得到适用于任意风格图像和任意内容图像的第一网络，而且利用第一网络有助于快速地得到对应的图像转换网络，提高图像风格化处理的效率。

【技术实现步骤摘要】
网络训练方法、装置、计算设备及计算机存储介质
本专利技术涉及图像处理
，具体涉及一种网络训练方法、装置、计算设备及计算机存储介质。
技术介绍
利用图像风格化处理技术，能够将风格图像上的风格转移到日常拍摄的图像上，使得图像能够获得更好的视觉效果。在现有技术中，是将一个给定的风格图像直接输入至一个神经网络(neuralnetwork)中，然后利用大量的内容图像作为样本图像，经过多次迭代训练得到与给定的风格图像对应的图像转换网络，利用该图像转换网络实现输入内容图像的风格转换。现有技术中，对于任意给定的风格图像，都需要进行成千上万次的迭代运算对神经网络进行训练，得到该风格对应的图像转换网络。在图像转换网络的训练过程中，成千上万次的迭代运算造成计算量巨大，这将会需要很长的训练时间，导致图像风格化处理效率低下。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的网络训练方法、装置、计算设备及计算机存储介质。根据本专利技术的一方面，提供了一种网络训练方法，该方法通过多次迭代完成；其中一次迭代过程的训练步骤包括：提取第一样本图像和第二样本图像；根据第一网络和第一样本图像，得到与第一样本图像的风格对应的第二网络；利用第二网络，生成与第二样本图像对应的第三样本图像；根据第三样本图像与第一样本图像、第二样本图像之间的损失更新第一网络的权重参数；该方法包括：迭代执行上述训练步骤，直至满足预定收敛条件。进一步地，提取第一样本图像和第二样本图像进一步包括：从风格图像库中提取一个第一样本图像，从内容图像库中提取至少一个第二样本图像。进一步地，在多次迭代过程中，固定提取一个第一样本图像，替换地提取至少一个第二样本图像；当内容图像库中的第二样本图像提取完毕后，替换下一个第一样本图像，再替换地提取至少一个第二样本图像。进一步地，根据第一网络和第一样本图像，得到与第一样本图像的风格对应的第二网络进一步包括：将第一样本图像输入至第一网络中，得到与第一样本图像的风格对应的第二网络。进一步地，将第一样本图像输入至第一网络中，得到与第一样本图像的风格对应的第二网络进一步包括：从第一样本图像中提取风格纹理特征；将风格纹理特征输入至第一网络中，得到与风格纹理特征对应的第二网络。进一步地，根据第三样本图像与第一样本图像、第二样本图像之间的损失更新第一网络的权重参数进一步包括：根据第三样本图像与第一样本图像之间的风格损失以及第三样本图像与第二样本图像之间的内容损失，得到第一网络损失函数，利用第一网络损失函数更新第一网络的权重参数。进一步地，预定收敛条件包括：迭代次数达到预设迭代次数；和/或，第一网络损失函数的输出值小于预设阈值；和/或，与第二样本图像对应的第三样本图像的视觉效果参数达到预设视觉效果参数。进一步地，第一网络为对神经网络进行训练得到的元网络，第二网络为图像转换网络。进一步地，该方法由终端或服务器执行。根据本专利技术的另一方面，提供了一种网络训练装置，该装置通过多次迭代完成；该装置包括：提取模块，适于提取第一样本图像和第二样本图像；生成模块，适于根据第一网络和第一样本图像，得到与第一样本图像的风格对应的第二网络；样本处理模块，适于利用第二网络，生成与第二样本图像对应的第三样本图像；更新模块，适于根据第三样本图像与第一样本图像、第二样本图像之间的损失更新第一网络的权重参数；该网络训练装置迭代运行，直至满足预定收敛条件。进一步地，提取模块进一步适于：从风格图像库中提取一个第一样本图像，从内容图像库中提取至少一个第二样本图像。进一步地，该装置进一步适于：在多次迭代过程中，固定提取一个第一样本图像，替换地提取至少一个第二样本图像；当内容图像库中的第二样本图像提取完毕后，替换下一个第一样本图像，再替换地提取至少一个第二样本图像。进一步地，生成模块进一步适于：将第一样本图像输入至第一网络中，得到与第一样本图像的风格对应的第二网络。进一步地，生成模块进一步适于：从第一样本图像中提取风格纹理特征；将风格纹理特征输入至第一网络中，得到与风格纹理特征对应的第二网络。进一步地，更新模块进一步适于：根据第三样本图像与第一样本图像之间的风格损失以及第三样本图像与第二样本图像之间的内容损失，得到第一网络损失函数，利用第一网络损失函数更新第一网络的权重参数。进一步地，预定收敛条件包括：迭代次数达到预设迭代次数；和/或，第一网络损失函数的输出值小于预设阈值；和/或，与第二样本图像对应的第三样本图像的视觉效果参数达到预设视觉效果参数。进一步地，第一网络为对神经网络进行训练得到的元网络，第二网络为图像转换网络。根据本专利技术的另一方面，提供了一种终端，包括上述的网络训练装置。根据本专利技术的另一方面，提供了一种服务器，包括上述的网络训练装置。根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行上述网络训练方法对应的操作。根据本专利技术的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述网络训练方法对应的操作。根据本专利技术提供的技术方案，提取第一样本图像和第二样本图像，根据第一网络和第一样本图像，得到与第一样本图像的风格对应的第二网络，接着利用第二网络，生成与第二样本图像对应的第三样本图像，然后根据第三样本图像与第一样本图像、第二样本图像之间的损失更新第一网络的权重参数，迭代执行训练步骤，直至满足预定收敛条件。本专利技术提供的技术方案，能够训练得到适用于任意风格图像和任意内容图像的第一网络，而且利用第一网络有助于快速地得到对应的图像转换网络，提高图像风格化处理的效率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的图像风格化处理方法的流程示意图；图2a示出了第一图像的示例图；图2b示出了第二图像的示例图；图2c示出了第三图像的示例图；图3a示出了根据本专利技术一个实施例的网络训练方法的流程示意图；图3b示出了根据本专利技术另一个实施例的网络训练方法的流程示意图；图4示出了根据本专利技术另一个实施例的图像风格化处理方法的流程示意图；图5示出了根据本专利技术一个实施例的图像风格化处理装置的结构框图；图6示出了根据本专利技术另一个实施例的图像风格化处理装置的结构框图；图7示出了根据本专利技术另一个实施例的网络训练装置的结构框图；图8示出了根据本专利技术实施例的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公本文档来自技高网...

【技术保护点】
一种网络训练方法，所述方法通过多次迭代完成；其中一次迭代过程的训练步骤包括：提取第一样本图像和第二样本图像；根据第一网络和所述第一样本图像，得到与所述第一样本图像的风格对应的第二网络；利用所述第二网络，生成与所述第二样本图像对应的第三样本图像；根据所述第三样本图像与所述第一样本图像、所述第二样本图像之间的损失更新所述第一网络的权重参数；所述方法包括：迭代执行上述训练步骤，直至满足预定收敛条件。

【技术特征摘要】
1.一种网络训练方法，所述方法通过多次迭代完成；其中一次迭代过程的训练步骤包括：提取第一样本图像和第二样本图像；根据第一网络和所述第一样本图像，得到与所述第一样本图像的风格对应的第二网络；利用所述第二网络，生成与所述第二样本图像对应的第三样本图像；根据所述第三样本图像与所述第一样本图像、所述第二样本图像之间的损失更新所述第一网络的权重参数；所述方法包括：迭代执行上述训练步骤，直至满足预定收敛条件。2.根据权利要求1所述的方法，其中，所述提取第一样本图像和第二样本图像进一步包括：从风格图像库中提取一个第一样本图像，从内容图像库中提取至少一个第二样本图像。3.根据权利要求1或2所述的方法，其中，在多次迭代过程中，固定提取一个第一样本图像，替换地提取至少一个第二样本图像；当所述内容图像库中的第二样本图像提取完毕后，替换下一个第一样本图像，再替换地提取至少一个第二样本图像。4.根据权利要求1-3任一项所述的方法，其中，所述根据第一网络和所述第一样本图像，得到与所述第一样本图像的风格对应的第二网络进一步包括：将所述第一样本图像输入至所述第一网络中，得到与所述第一样本图像的风格对应的第二网络。5.根据权利要求1-4任一项所述的方法，其中，所述将所述第一样本图像输入至所述第一网络中，得...

【专利技术属性】
技术研发人员：申发龙，颜水成，曾钢，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：北京,11