【技术实现步骤摘要】
图像增强方法及装置
本申请涉及深度学习领域，具体而言，涉及一种图像增强方法及装置。
技术介绍
图像增强是一种提升图像视觉效果的方法，通常来说，图像增强是指调整图像的亮暗、饱和度和对比度。当前，互联网上传播的大量图片的视觉效果都较差，互联网用户经常很难找到图像内容和图像色彩都较佳的图片。另一方面，手机拍照也成了大部分人的一种记录生活的方式，但手机拍摄的照片往往很难满足用户的视觉需求。
技术实现思路
为了克服现有技术中的上述不足，本申请的目的在于提供一种图像增强方法及装置，以解决或者改善上述问题。为了实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供一种图像增强方法，应用于电子设备，所述方法包括：获取训练样本集，所述训练样本集包括多个原始图像样本和对应的增强图像样本；基于所述训练样本集对预先构建的CNN图像增强网络进行迭代训练，并在训练过程中更新所述CNN图像增强网络的网络参数；判断所述CNN图像增强网络是否达到训练收敛条件，在达到训练收敛条件时，输出对应的图像增强模型，以基于所述图像增强模型对输入的图像进行图像增强。可选地，在所述基于所述训练样本集...
【技术保护点】
1.一种图像增强方法，其特征在于，应用于电子设备，所述方法包括：获取训练样本集，所述训练样本集包括多个原始图像样本和对应的增强图像样本；基于所述训练样本集对预先构建的CNN图像增强网络进行迭代训练，并在训练过程中更新所述CNN图像增强网络的网络参数；判断所述CNN图像增强网络是否达到训练收敛条件，在达到训练收敛条件时，输出对应的图像增强模型，以基于所述图像增强模型对输入的图像进行图像增强。
【技术特征摘要】
1.一种图像增强方法，其特征在于，应用于电子设备，所述方法包括：获取训练样本集，所述训练样本集包括多个原始图像样本和对应的增强图像样本；基于所述训练样本集对预先构建的CNN图像增强网络进行迭代训练，并在训练过程中更新所述CNN图像增强网络的网络参数；判断所述CNN图像增强网络是否达到训练收敛条件，在达到训练收敛条件时，输出对应的图像增强模型，以基于所述图像增强模型对输入的图像进行图像增强。2.根据权利要求1所述的图像增强方法，其特征在于，在所述基于所述训练样本集对预先构建的CNN图像增强网络进行迭代训练，并在训练过程中更新所述CNN图像增强网络的网络参数的步骤之前，所述方法还包括：构建所述CNN图像增强网络；所述构建所述CNN图像增强网络的方式，包括：构建输入层、输出层以及位于所述输入层和所述输出层之间的多层卷积层以及多层反卷积层，其中，所述输入层用于输入训练样本集，所述卷积层用于对训练样本进行卷积操作，所述反卷积层用于对训练样本进行反卷积操作；在所述多层卷积层以及多层反卷积层之间构建对称连接层，其中，所述多层卷积层的层数和所述多层反卷积层的层数相同，且所述多层卷积层和所述多层反卷积层相对于所述对称连接层对称。3.根据权利要求1所述的图像增强方法，其特征在于，所述获取训练样本集的步骤，包括：获取各种场景下的多个原始图像样本；响应用户操作，对每个所述原始图像样本的图像参数进行图像增强，生成图像增强后的增强图像样本。4.根据权利要求1所述的图像增强方法，其特征在于，所述基于所述训练样本集对预先构建的CNN图像增强网络进行迭代训练，并在训练过程中更新所述CNN图像增强网络的网络参数的步骤，包括：对所述训练样本集进行图像处理，得到预设数量个目标尺寸的原始图像和对应的增强图像；将所述预设数量个目标尺寸的原始图像输入到预先构建的CNN图像增强网络中，得到与各个原始图像对应的输出图像；计算输出图像和增强图像之间的loss值；基于所述loss值对所述CNN图像增强网络进行训练，并在训练过程中更新所述CNN图像增强网络的网络参数。5.根据权利要求4所述的图像增强方法，其特征在于，所述对所述训练样本集进行图像处理，得到预设数量个目标尺寸的原始图像和对应的增强图像的步骤，包括：从所述训练样本集中选取预设数量个原始图像样本和对应的预设数量个增强图像样本；针对选取出的每个原始图像样本和对应的预设数量个增强图像样本，在该原...
【专利技术属性】
技术研发人员：周铭柯，李志阳，李启东，张伟，许清泉，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：福建,35
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。