去网纹系统训练方法、去网纹方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种去网纹系统训练方法、去网纹方法、装置、设备及介质。该去网纹系统训练方法包括：基于网纹位置和预设的标签值获取第一误差函数，基于仿真图片和不带网纹训练样本获取第二误差函数，根据判别结果获取第三误差函数和第四误差函数，根据特征A和特征B获取第五误差函数，并基于生成式对抗网络的特点，根据第二误差函数、第三误差函数、第三误差函数和第五误差函数分别获取第六误差函数和第七误差函数，再根据训练产生的误差构建误差函数，采用误差函数反传更新去网络系统中各部分模型的网络参数。该去网纹系统去除了去网纹系统训练过程中多个影响去网纹系统去网纹效果的误差因素，使得该去网纹系统的去网纹效果比较好。

Method for removing netting system, method for removing netting, device, equipment and medium

The invention discloses a training method for removing netting system, a method for removing netting, a device, a device and a medium. The training method of the de-reticulation system includes obtaining the first error function based on the position of the reticulation and the preset label value, obtaining the second error function based on the simulation picture and the training sample without reticulation, obtaining the third error function and the fourth error function according to the discriminant result, and obtaining the fifth error function according to the feature A and B, and combining the basis. According to the characteristics of the generative countermeasure network, the sixth error function and the seventh error function are obtained respectively according to the second error function, the third error function, the third error function and the fifth error function. Then the error function is constructed according to the training error, and the error function is used to update the network of each part of the network system. The parameters of the collaterals. The system eliminates many error factors that affect the effect of the de-reticulation system in the training process of the de-reticulation system, making the de-reticulation effect of the de-reticulation system better.

【技术实现步骤摘要】
去网纹系统训练方法、去网纹方法、装置、设备及介质
本专利技术涉及图像处理领域，尤其涉及一种去网纹系统训练方法、去网纹方法、装置、设备及介质。
技术介绍
目前的证件照很多是经过加网纹处理的，以提高证件照的安全性。但加了网纹的证件照，很难进行人脸特征点的检测，使得其无法直接进行人脸识别。因此，在进行人脸特征点的检测之前需要先去掉网纹，才能够进行人脸识别。目前业界的去网纹模型的去网纹效果比较差，容易使得去网纹后的证件照或者其他图片上的人脸出现变形的现象。
技术实现思路
本专利技术实施例提供一种去网纹系统训练方法、装置、设备及介质，以解决当前去网纹模型的去网纹效果差的问题。一种去网纹系统训练方法，包括：提取待训练样本，所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本；将所述带网纹训练样本输入到网纹提取器中，提取网纹位置，基于所述网纹位置和预设的标签值获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数；将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中，生成仿真图片，并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数；将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中，获取判别结果，并根据所述判别结果获取第三误差函数和第四误差函数；采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B，根据所述特征A和所述特征B获取第五误差函数；获取第六误差函数，根据所述第六误差函数更新生成式对抗网络生成器中的网络参数，其中，第六误差函数＝第二误差函数+第三误差函数+第五误差函数；获取第七误差函数，根据所述第七误差函数更新生成式对抗网络判别器中的网络参数，其中，第七误差函数＝第四误差函数+第五误差函数。一种去网纹系统训练装置，包括：训练样本获取模块，用于提取待训练样本，所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本；第一误差函数获取模块，用于将所述带网纹训练样本输入到网纹提取器中，提取网纹位置，基于所述网纹位置和预设的标签值获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数；第二误差函数获取模块，用于将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中，生成仿真图片，并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数；判别结果获取模块，用于将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中，获取判别结果，并根据所述判别结果获取第三误差函数和第四误差函数；第五误差函数获取模块，用于采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B，根据所述特征A和所述特征B获取第五误差函数；第六误差函数获取模块，用于获取第六误差函数，根据所述第六误差函数更新生成式对抗网络生成器中的网络参数，其中，第六误差函数＝第二误差函数+第三误差函数+第五误差函数；第七误差函数获取模块，用于获取第七误差函数，根据所述第七误差函数更新生成式对抗网络判别器中的网络参数，其中，第七误差函数＝第四误差函数+第五误差函数。本专利技术实施例还提供一种去网纹方法、装置、设备及介质，以解决当前去网纹效果差的问题。一种去网纹方法，包括：将待去网纹图片输入到网纹提取器中，提取所述待去网纹图片的网纹位置；所述网纹提取器是采用所述去网纹系统训练方法获取到的；将所述待去网纹图片的网纹位置和所述待去网纹图片输入到生成式对抗网络生成器中，生成目标去网纹图片；所述生成式对抗网络生成器是采用所述去网纹系统训练方法获取到的。一种去网纹装置，包括：网纹位置提取模块，用于将待去网纹图片输入到网纹提取器中，提取所述待去网纹图片的网纹位置，所述网纹提取器是采用所述去网纹系统训练方法获取到的；目标去网纹图片生成模块，用于将所述待去网纹图片的网纹位置和所述待去网纹图片输入到生成式对抗网络生成器中，生成目标去网纹图片，所述生成式对抗网络生成器是采用所述去网纹系统训练方法获取到的。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述去网纹系统训练方法的步骤。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述去网纹方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述去网纹系统训练方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述处理器执行所述计算机程序时实现所述去网纹方法的步骤。本专利技术实施例所提供的去网纹系统训练方法、装置、设备及介质中，基于网纹位置和预设的标签值获取第一误差函数(e_loss)，基于仿真图片和不带网纹训练样本获取第二误差函数(l_loss)，根据判别结果获取第三误差函数(gan_g_loss)和第四误差函数(gan_d_loss)，根据特征A和特征B获取第五误差函数(i_loss)，并基于生成式对抗网络的特点(包括生成式对抗网络生成器和生成式对抗网络判别器)根据第二误差函数、第三误差函数、第四误差函数和第五误差函数获取生成式对抗网络生成器的误差函数第六误差函数(g_loss)和生成式对抗网络判别器的误差函数第七误差函数(d_loss)，通过在训练去网纹系统中产生的误差构造相对应的误差函数，并根据误差函数反传更新去网络系统中各部分模型的网络参数，实现去网纹系统充分、有效的训练。该去网纹系统涵盖了去网纹系统训练过程中每一影响去网纹系统去网纹效果的因素，使得该去网纹系统对图片进行去网纹操作时的去网纹效果非常好。本专利技术实施例所提供的去网纹方法、装置、设备及介质中，通过将待去网纹图片输入到网纹提取器中，提取待去网纹图片的网纹位置，并将待去网纹图片的网纹位置和待去网纹图片输入到生成式对抗网络生成器中，生成目标去网纹图片，采用该去网纹方法的去网纹效果非常好。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中网纹系统训练方法的一应用环境图；图2是本专利技术一实施例中网纹系统训练方法的一流程图；图3是图2中步骤S20的一具体流程图；图4是图2中步骤S50的一具体流程图；图5是本专利技术一实施例中去网纹方法的一流程图；图6是本专利技术一实施例中网纹系统训练装置的一示意图；图7是本专利技术一实施例中去网纹装置的一示意图；图8是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。该去网纹系统训练方法中的去网纹系统包括网纹提取器、人脸识别模型、生成式对抗网络生成器和生成式对抗网络判别器，训练去网纹系统的过程即训练去网纹系统中各组成部分的网络参数本文档来自技高网...

【技术保护点】
1.一种去网纹系统训练方法，其特征在于，包括：提取待训练样本，所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本；将所述带网纹训练样本输入到网纹提取器中，提取网纹位置，基于所述网纹位置和预设的标签值获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数；将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中，生成仿真图片，并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数；将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中，获取判别结果，并根据所述判别结果获取第三误差函数和第四误差函数；采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B，根据所述特征A和所述特征B获取第五误差函数；获取第六误差函数，根据所述第六误差函数更新生成式对抗网络生成器中的网络参数，其中，第六误差函数＝第二误差函数+第三误差函数+第五误差函数；获取第七误差函数，根据所述第七误差函数更新生成式对抗网络判别器中的网络参数，其中，第七误差函数＝第四误差函数+第五误差函数。

【技术特征摘要】
1.一种去网纹系统训练方法，其特征在于，包括：提取待训练样本，所述待训练样本包括样本数量相等的带网纹训练样本和不带网纹训练样本；将所述带网纹训练样本输入到网纹提取器中，提取网纹位置，基于所述网纹位置和预设的标签值获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数；将所述网纹位置和所述带网纹训练样本输入到生成式对抗网络生成器中，生成仿真图片，并基于所述仿真图片和所述不带网纹训练样本获取第二误差函数；将所述仿真图片和所述不带网纹训练样本输入到生成式对抗网络判别器中，获取判别结果，并根据所述判别结果获取第三误差函数和第四误差函数；采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B，根据所述特征A和所述特征B获取第五误差函数；获取第六误差函数，根据所述第六误差函数更新生成式对抗网络生成器中的网络参数，其中，第六误差函数＝第二误差函数+第三误差函数+第五误差函数；获取第七误差函数，根据所述第七误差函数更新生成式对抗网络判别器中的网络参数，其中，第七误差函数＝第四误差函数+第五误差函数。2.根据权利要求1所述的去网纹系统训练方法，其特征在于，所述基于所述网纹位置和预设的标签值获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数，包括：获取所述网纹位置的每一像素值，将每一所述像素值进行归一化处理，获取归一化像素值；其中，获取归一化像素值的公式为MaxValue表示所述网纹位置的所有像素值中的最大值，MinValue表示所述网纹位置的所有像素值中的最小值，x为每一像素值，y为归一化像素值；获取所述网纹位置的归一化像素值和对应的不带网纹训练样本的归一化像素值的像素差；若所述像素差大于预设分界值，则将所述网纹位置对应的所述归一化像素值取作1，若所述像素差不大于所述预设分界值，则将所述网纹位置对应的所述归一化像素值取作0，获取二值化网纹位置；根据所述二值化网纹位置的每一像素值和预设的标签值对应的每一像素值进行计算，获取第一误差函数，并根据所述第一误差函数更新网纹提取器的网络参数；其中第一误差函数的计算公式为其中，n为像素值个数，xi表示所述二值化网纹位置的第i个像素值，yi表示预设的标签值与所述xi相对应的第i个像素值。3.根据权利要求1所述的去网纹系统训练方法，其特征在于，第二误差函数的计算公式为其中，n为像素值个数，xi表示所述仿真图片的第i个像素值，yi表示所述不带网纹训练样本与所述xi相对应的第i个像素值。4.根据权利要求1所述的去网纹系统训练方法，其特征在于，所述判别结果为D(G(X))和D(Y)，X表示所述生成式对抗网络生成器的输入，X由n个xi组成，xi表示生成式对抗网络生成器输入的第i个像素值，G(X)表示所述生成式对抗网络生成器的输出，D(G(X))表示所述生成式对抗网络生成器的输出在所述生成式对抗网络判别器的输出，Y表示所述不带网纹训练样本在所述生成式对抗网络判别器的输入，Y由n个yi组成，yi表示所述不带网纹训练样本输入到所述生成式对抗网络判别器的第i个像素值，D(Y)表示所述不带网纹训练样本在所述生成式对抗网络判别器的输出；所述第三误差函数的计算公式为所述第四误差函数的计算公式为5.根据权利要求1所述的去网纹系统训练方法，其特征在于，所述采用预先训练好的人脸识别模型提取所述仿真图片的特征A和所述不带网纹训练样本的特征B，根据所述特征A和所述特征B获取第五误差函数...

【专利技术属性】
技术研发人员：徐玲玲，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44